PulseAugur
中
实时 11:45:35
English(EN) Privacy-Preserving Depth-Only Open-Vocabulary 3D Semantic Segmentation Via Uncertainty-Guided Test-Time Optimization

新框架利用深度数据增强隐私保护的三维语义分割

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为 UTTO（不确定性引导的测试时优化）的新框架，利用仅深度数据来增强隐私保护的三维语义分割。该方法通过利用仅深度几何来解决依赖可能损害隐私的 RGB 图像的挑战。UTTO 将预测中的不确定性转化为引导信号，利用基础模型的先验知识来优化不可靠的语义响应。在 ScanNet20、ScanNet40 和 ScanNet200 数据集上的实验表明，UTTO 在无需额外训练的情况下显著提高了仅深度开放词汇三维分割的性能。 AI

影响 这项研究可能有助于在敏感环境中更注重隐私地部署三维场景理解系统。

排序理由 该集群包含一篇研究论文，详细介绍了一种新的三维语义分割方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架利用深度数据增强隐私保护的三维语义分割

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Xuying Huang, Sicong Pan, Maren Bennewitz ·

    Privacy-Preserving Depth-Only Open-Vocabulary 3D Semantic Segmentation Via Uncertainty-Guided Test-Time Optimization

    arXiv:2607.00978v1 Announce Type: new Abstract: Privacy-preserving perception is a critical requirement for deploying 3D scene understanding systems in real-world indoor environments, yet it remains underexplored in open-vocabulary 3D semantic segmentation. Existing methods typic…

  2. arXiv cs.CV TIER_1 English(EN) · Maren Bennewitz ·

    通过不确定性引导的测试时优化实现隐私保护的仅深度开放词汇三维语义分割

    Privacy-preserving perception is a critical requirement for deploying 3D scene understanding systems in real-world indoor environments, yet it remains underexplored in open-vocabulary 3D semantic segmentation. Existing methods typically rely on obtaining rich semantic cues from R…

相关话题