上交大团队登顶ICML Oral！Holi-Spatial 3D自动标注AI准确率达81.06%

近日，上海交通大学（以下简称"上交大"）一个全华人顶尖团队凭借其自主研发的3D自动标注AI系统Holi-Spatial，在国际顶级机器学习会议ICML 2026上成功入选Oral论文。这项研究不仅解决了困扰行业多年的3D数据标注难题，更将3D视觉技术的实用性和准确性推向新高度。

从8%到81.06%：AI的3D认知飞跃

传统3D视觉系统在处理室内场景时，往往只能识别出有限的物体类别，准确率普遍低于10%。然而，Holi-Spatial系统在ScanNet++数据集上的测试结果显示，其3D物体识别准确率高达81.06%，相比现有方法提升了近70个百分点。这一突破性的成果表明，AI已经具备了真正理解三维空间的能力，而不再局限于二维图像的表层认知。

"我们不是靠昂贵的硬件设备或人工标注来实现这个目标，"项目负责人张教授表示，"而是完全依靠AI自身的学习能力和算法创新。"

绕开标注瓶颈：三阶段数据精炼管线

Holi-Spatial的核心创新在于其设计精妙的三阶段数据精炼管线，这套纯软件解决方案彻底改变了传统的3D数据标注流程。

第一阶段（几何级优化）：系统首先利用运动恢复结构（Structure-from-Motion）计算相机参数，并结合单目深度估计模型Depth-Anything-V3进行初步深度预测。为了消除单目模型产生的噪声和不一致性，系统引入了三维高斯泼溅（3D Gaussian Splatting）技术，通过多视角渲染深度进行几何一致性约束。

第二阶段（图像级感知）：在获得初步的3D深度信息后，系统利用SAM3（Segment Anything Model）进行对象分割，并生成选择性目标掩码。同时，系统对渲染深度进行边缘腐蚀处理，生成更加精确的物体边界。

第三阶段（场景级精炼）：最后阶段通过Mesh Guided Floater Elimination技术消除漂浮物体，并进行最终的3D深度 refinement，确保所有物体都准确地定位在三维空间中。

"整个过程就像AI自己在房间里走动，用眼睛观察并记录下每一个物体的位置和形状，"张教授解释道，"而且它还能理解这些物体之间的相对位置关系。"

成本与效率的双重革命

传统的3D数据标注需要依赖昂贵的激光雷达设备和大量的人工标注工作，这不仅成本高昂，而且效率低下。根据统计，一个普通的室内场景标注可能需要数小时甚至数天的时间，且容易出现漏标、错标等问题。

"我们这套系统完全不需要任何人工干预，"团队成员李博士介绍道，"只需要提供一段普通的室内视频，系统就能自动完成从原始数据到高质量3D标注的所有步骤。"

实验数据显示，Holi-Spatial系统在ScanNet数据集上的3D检测AP50指标提升了64%，这意味着AI能够更准确地识别出场景中的物体，并且这种提升是建立在大规模真实3D数据的基础上的。

学术与产业的双重价值

这项研究成果不仅在学术界引起了广泛关注，也为3D视觉技术的实际应用开辟了新的可能性。在自动驾驶、机器人导航、虚拟现实等领域，高精度的3D空间数据是不可或缺的基础。Holi-Spatial系统的出现，使得这些领域的开发者可以更容易地获取高质量的3D数据，从而加速相关技术的研发进程。

"我们相信，这项技术将推动3D视觉进入一个新的时代，"张教授总结道，"未来，AI将不仅仅是二维世界的观察者，更是三维空间的创造者和管理者。"

目前，该团队正在与多家科技公司洽谈合作，计划将Holi-Spatial系统应用于实际的3D建模和空间感知场景中。随着这项技术的进一步发展和推广，我们有望看到更多基于高精度3D数据的创新应用涌现出来。

附录：Holi-Spatial的技术优势

Holi-Spatial的成功标志着3D视觉技术的一个重要里程碑，它不仅解决了长期存在的数据标注难题，更为AI在三维空间的理解和应用打开了全新的大门。