.png){kind=icon}
返回
Semantic-Guided Adaptive Gaussian Segmentation
.png){kind=icon}
OA
AI
DOI：10.3390/s26196173.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
3D高斯散布（3DGS）实现了实时逼真场景重建，但其分割任务存在两大关键缺陷：3D一致性差（例如实例边界模糊和跨视图语义关联不稳定）以及物体边界附近结构感知不足。为解决这些问题，本文提出了一种语义引导的3D高斯分割框架。我们首先处理多视图RGB图像和语义掩码，生成2D语义编码和初始高斯参数。然后通过结合流对齐的外观线索、CLIP衍生的语义描述符和显式高斯几何，构建高斯级联合表示。语义引导的自适应分解通过跨视图边界统计和语义不确定性识别边界敏感的高斯，而多视图投票进一步细化实例边界。最后，3D全局优化统一实例关联和标签。在ScanNet和SPIn-NeRF上的实验表明，在所报告的评估协议和明确的子集定义下，结果得到改进。特别是在ScanNet基准测试中，与评估的3DGS基线InstanceGaussian相比，SG-AGS在类别无关的3D实例分割中使mAcc@0.25提升了16.2个百分点，在基于文本查询的开放词汇标签化分割3D实例中提升了25.6个百分点。这些结果证明了SG-AGS在两个评估基准中的有效性，并表明其在物体级场景查询和数字孪生检查方面具有潜在价值，而对外部捕获和其他场景领域的更广泛泛化仍需进一步验证。
Keyword:
3D gaussian splatting
3D scene segmentation
semantic guidance
multi-view reconstruction
3D consistency
gaussian decomposition
feature fusion
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
COB-GS: Clear Object Boundaries in 3DGS Segmentation Based on Boundary-Adaptive Gaussian SplittingCOB-GS：基于边界自适应高斯分割的3DGS分割中清晰的物体边界
PREAI
分享收藏Metric Error Assessment Regarding Geometric 3D Reconstruction of Transparent Surfaces via SfM Enhanced by 2D and 3D Gaussian Splatting基于SfM并通过2D和3D高斯溅射增强的透明表面几何3D重建的度量误差评估.png)
Sensors
SensorsIF0
PREAI
分享收藏分享收藏Large-Scale Indoor Visual-Geometric Multimodal Dataset and Benchmark for Novel View Synthesis大规模室内视觉几何多模态数据集和用于新视图合成的基准测试SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Time-Interval-Based Collision Detection for 4WIS Mobile Robots in Human-Shared Indoor Environments基于时间间隔的碰撞检测方法研究：适用于四轮独立转向移动机器人的共享室内环境SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏InstanceGaussian: Appearance-Semantic Joint Gaussian Representation for 3D Instance-Level Perception实例高斯：外观-语义联合高斯表示用于3D实例级感知
PREAI
分享收藏 没有更多内容
没有更多内容