正文从这里开始。

📁 语义分割输出 .npz 文件说明

✅ 已完成任务概览

• 已对 TUM 数据集中的每帧 RGB 图像进行语义分割（SegFormer）。
• 每张图像对应一个 .npz 文件，文件名为图像的时间戳。
• 每个 .npz 文件包含：
  • label: 每个像素的语义类别（整数 ID）
  • confidence: 每个像素属于该类别的置信度（浮点数）

📂 文件结构示例

目录：semantic_masks/

示例文件名：

1311867170.462290.npz

对应图像帧：

datasets/tum/rgbd_dataset_freiburg2_xyz/rgb/1311867170.462290.png

🧠 .npz 文件内容

每个 .npz 文件包含两个数组：

1. label

• 类型：np.uint8 或 np.int32
• 尺寸：(480, 640)
• 含义：每个像素的语义类别编号（根据 ADE20K 数据集）

2. confidence

• 类型：np.float32
• 尺寸：(480, 640)
• 含义：该像素属于预测类别的置信度，范围 [0, 1]

📌 使用说明

这些文件将在后续步骤中用于：

• 动态目标剔除（例如：跳过 person、car 等物体）
• 构建带语义标签的 3D 高斯地图
• 可视化语义增强地图（例如按类别上色）

✅ 当前状态

🧭 下一步

• 将这些 .npz 文件的标签加载进 MonoGS 主程序。
• 在渲染 / 建图过程中引入语义信息。