核心技术语义分割 革新性的全新一代Al建模 策略理念：理解对象是什么由什么结构组成要改换成什么风格如何创建该模型。更精准的还原模型更高的创作美感水准借助语义分割让AI能够以人思维方式的方式进行三维内容创造完全超越现有单纯基于光学和几何学构建的AI建模参考这个例子分四页分别介绍下在场景识别和地标建筑识别工作中的核心技术：1

Page 1: 地标识别

地标识别是基于图像或视频中的物体进行识别和定位，以便进行地标建筑的三维建模和场景重建。在这个过程中，语义分割是核心技术之一。语义分割是指将图像中的每个像素标记为属于哪个类别，如建筑、道路、树木等，从而实现对图像的精细分割。这种技术可以帮助AI模型更加准确地识别地标建筑，尤其是在建筑物周围有大量遮挡物的情况下。

通过语义分割，AI可以将建筑物分割出来，然后通过其他算法对建筑物进行三维建模和场景重建。这种技术的应用范围包括智慧城市、导航和旅游等领域，可以提高识别的准确性和效率，为人们提供更好的服务和体验。

Page 2: 场景分类

场景分类是指识别图像或视频中的场景类型，如室内、户外、城市、乡村等。这种技术可以帮助AI模型更好地理解场景特征和背景信息，从而更加准确地进行建模和场景重建。

语义分割在场景分类中也起着重要的作用。通过将图像中的每个像素标记为不同的类别，AI可以更加准确地判断场景类型。例如，如果图像中大部分像素都是绿色的，那么可以推断这是一个乡村场景；如果图像中有大量建筑物和道路，那么可以推断这是一个城市场景。

场景分类技术可以广泛应用于智慧城市、环境监测、安防等领域，可以帮助人们更好地了解和掌握周围环境的信息。

Page 3: 多模态融合

多模态融合是指将不同类型的数据集成在一起，从而提高AI模型的准确性和鲁棒性。在场景识别和地标建筑识别中，多模态融合可以将图像、视频、声音等多种数据进行融合，从而更加全面地了解场景特征和背景信息。

语义分割在多模态融合中也起着重要的作用。通过将图像中的每个像素标记为不同的类别，AI可以更好地理解场景特征和背景信息，并与其他数据进行融合。例如，如果图像中有建筑物和交通工具，而视频中有车辆的声音，那么可以推断这是一个城市场景，并进一步确定地点和方向。

多模态融合技术可以广泛应用于智慧城市、自动驾驶、智能家居等领域，可以提高AI模型的准确性和效率，为人们提供更好的服务和体验。

Page 4: 视频标注

视频标注是指对视频中的对象进行识别和标注，以便进行三维建模和场景重建。在这个过程中，语义分割也是核心技术之一。通过对视频中每一帧进行语义分割，AI可以更加精确地识别和标注视频中的对象，从而实现三维建模和场景重建。

视频标注技术可以应用于智慧城市、安防、娱乐等领域，可以提高对视频中对象的识别和定位的准确性和效率，为人们提供更好的服务和体验