PulseAugur
实时 10:28:39
English(EN) Seed2GS: Camera-Free, Training-Free Object Extraction from 3D Gaussian Scenes via a Single Reference-View Grounding

Seed2GS 方法无需训练或相机即可从 3D 场景中提取对象

研究人员开发了 Seed2GS,一种从 3D 高斯泼溅场景中提取对象的新颖方法,无需相机信息或场景特定训练。该方法将对象身份与 3D 覆盖范围分开,使用 QD-SAM3 选择可靠的参考掩码,然后采用种子提升和可见性自适应虚拟轨道从新视角中暴露对象。Seed2GS 在 LERF-MASK3D-OVS 等基准测试中取得了高精度,与现有方法相比处理速度明显更快。 AI

影响 该方法通过实现从现有 3D 场景中更快、更易于访问的对象提取,有可能简化 3D 编辑工作流程。

排序理由 该集群包含一篇详细介绍从 3D 场景中提取对象的新方法的论文。[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 1 个来源。 我们如何撰写摘要 →

Seed2GS 方法无需训练或相机即可从 3D 场景中提取对象

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zongjian Ding, Yudong Gao, Jiale Liu, Xinglin Yu, Junxing Ren, Dong Wei, Yajing Chen, Shan Huang, Mingjun Cheng, Min Li ·

    Seed2GS:无需训练、无需相机即可从 3D 高斯场景中提取对象,通过单一参考视图进行定位

    arXiv:2608.11928v1 Announce Type: new Abstract: Extracting a target object from a pre-built 3D Gaussian Splatting (3DGS) scene enables interactive 3D editing. Existing methods either train for tens of minutes per scene, sacrifice accuracy, or require original reconstruction camer…