PulseAugur
实时 11:40:22
English(EN) Beyond Similarity Matching: Structured Reasoning for Open-Vocabulary Referring Segmentation in 3DGS

新的QAGaussian框架增强了3D高斯溅射分割

研究人员开发了QAGaussian,一个旨在改进3D高斯溅射(3DGS)环境中开放词汇指代分割的新颖框架。与依赖简单文本-区域相似度的先前方法不同,QAGaussian采用了查询自适应神经推理过程。这包括学习查询条件高斯槽、构建关系感知图进行证据传播,以及利用粒度自适应路由器进行精细分割。该框架在独立基准测试中表现出卓越的性能,在平均mIoU和F1分数等关键指标上优于现有的3DGS指代基线,同时减少了目标-参考混淆。 AI

影响 为语言引导的3D场景分割引入了更复杂的推理方法,有可能改善3D环境中的人机交互。

排序理由 详细介绍一种特定计算机视觉任务新方法的学术论文。[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 →

新的QAGaussian框架增强了3D高斯溅射分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yizhao Wang, Xinfa Wang, Jingbo Wang, Jingbo Wang, Guantao Zhang, Yafeng Han, Guohong Gao, Yuhe Xia ·

    超越相似度匹配:面向3DGS的开放词汇指代分割的结构化推理

    arXiv:2608.16103v1 Announce Type: new Abstract: Open-vocabulary referring segmentation in 3D Gaussian Splatting (3DGS) requires a neural model to select Gaussian primitives according to free-form language expressions. Existing 3DGS-based methods usually rely on global text-region…