SCANNET
PulseAugur coverage of SCANNET — every cluster mentioning SCANNET across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
CompactSplat 通过自适应高斯分配改进三维场景重建
研究人员推出 CompactSplat，一个旨在从稀疏视图改进三维场景重建的新前馈框架。该方法自适应地分配三维高斯，将它们集中在复杂区域，同时用更大的、尺度调制的图元高效地平铺平坦区域。与现有技术相比，这种方法以显著更少的图元实现了更精确的几何和更精细的纹理，如在 RealEstate10K 和 ScanNet 等数据集上所展示的。
-
MemReg网络利用时序数据改进LiDAR配准
研究人员开发了MemReg，一种利用混合内存缓冲区捕捉时序相关性的流式户外LiDAR点云配准新网络。该方法利用长期时序数据来增强稀疏测量、过滤异常值并解决低重叠问题，从而提高配准精度。MemReg在KITTI、nuScenes和Apollo-Southbay等数据集上展示了最先进的性能，优于现有的成对和多帧SLAM系统，并且在3DMatch等数据集的室内配准场景中也表现出强大的泛化能力。
-
新系统ActiveLang使机器人能够构建带语言注释的3D地图
研究人员开发了ActiveLang，一个专为自主3D建图设计的新颖系统，集成了语言理解和引导式探索。该系统通过实时适应语言特征，使机器人能够在不熟悉的环境中构建详细的3D地图，实现开放词汇场景理解和交互。在Replica和ScanNet++等基准数据集上的实验表明，ActiveLang显著提高了2D和3D分割精度，并且比现有方法更高效。
-
新的GUARD框架提高了机器人拆卸硬盘的准确性
研究人员开发了GUARD，一个旨在通过准确识别点云中真实的组件几何形状来提高机器人拆卸可靠性的新框架。该系统解决了在硬盘驱动器（HDD）中区分真实部件和扫描伪影的挑战。GUARD集成了几何Transformer和高斯过程来估计每点几何不确定性，有效地过滤掉不可靠的测量，同时保留重要的结构信息。在真实硬盘点云上的评估显示，分割精度显著提高，GUARD将平均交并比（IoU）分数从0.7739提高到0.8318。
-
新方法从单张图像生成3D场景，提高室内外质量
研究人员开发了一种从单张图像生成完整3D场景网格的新方法，将现有的以对象为中心的生成器（如Trellis.2）扩展到处理室内外环境。该方法根据距离将场景划分为自适应块，捕获显式的2D-3D对应关系，并合成新的室外场景数据以克服现有数据集的局限性。在基准数据集和真实图像上的实验表明，与以前的方法相比，该方法具有更高的几何精度和感知质量。
-
新方法实现跨异构相机类型的新视角合成
研究人员开发了一种新的馈前新视角合成方法，该方法可以处理异构相机系统，即透视相机和鱼眼相机等不同类型的相机共存。该方法通过结合令牌中心相对相机位置编码和局部射线图（一种详细说明块内射线分布的令牌级表示）来解决令牌化的关键歧义。此外，还引入了投影感知2D RoPE，以对齐跨不同相机投影的相对位置推理。该方法在ScanNet++数据集上展示了优于相机条件基线和全景视图的零样本泛化的性能。
-
新研究增强了 3D Gaussian Splatting 在移动设备、稀疏视图和动态场景中的应用
近期研究探索了 3D Gaussian Splatting (3DGS) 的进步，以提高其在各种场景下的效率、准确性和适用性。PCAsplat 引入了一个面向几何的正则化框架，以减少浮点数并改善下游任务的表面对齐。Mobile-4DGS 专注于通过压缩外观建模和优化原始元素管理，为移动设备创建轻量级的实时静态和动态渲染框架。Sparse-GS2Mesh 通过将 3DGS 与立体匹配和视差深度先验相结合，解决了稀疏视图表面重建问题。PA…
-
新框架提升3D新视角合成效率与质量 · 跟踪3个来源
研究人员开发了三个新的新视角合成框架，旨在提高3D内容创作的效率和质量。NAMVIS将该过程重新表述为自回归下一尺度预测，在Objaverse等基准测试中，其速度和质量均优于扩散模型。RDGSplat从冻结的3D基础模型中解码独立的渲染几何体，在不改变模型原始度量预测的情况下增强新视角合成。AIMS通过使用锚点视图整合大量观测信息，提供了一个可扩展的解决方案，并保持固定的全局视图预算以实现高效渲染。
-
DecomVoxel 利用 3D 原生先验推进场景重建
研究人员推出 DecomVoxel，一个新颖的分解式场景重建框架，旨在提高重建对象和背景的质量，尤其是在遮挡严重的区域。该方法通过引导式原位去噪优化过程，将 3D 原生先验与神经场景重建相结合。DecomVoxel 采用重新制定的基于 epsilon 的蒸馏损失，以实现稳定的潜在空间细化和自适应空间引导，从而减少幻觉和空间漂移。在 Replica 和 ScanNet++ 数据集上的实验表明，DecomVoxel 在保持空间布局、结构保…
-
新的RelationVGGT框架实现了3D空间关系分割
研究人员推出了一种新颖的用于3D空间关系分割的框架RelationVGGT。该系统在一个前馈、无姿态的多视图设置中运行，能够根据指定的主体和关系文本查询来分割目标，而无需目标类别名称。RelationVGGT集成了来自视觉基础模型的语义特征和来自3D几何基础模型的几何感知表示，并利用关系Transformer进行跨视图预测。该框架还包括一个基于ScanNet++和视觉语言模型（VLMs）以及大型语言模型（LLMs）构建的自动化标注管道…
-
PoseAgent 框架动态编排相机位姿估计方法
研究人员开发了 PoseAgent，一个旨在提高相对相机位姿估计的准确性和鲁棒性的新框架。该系统通过采用学习到的排序和验证代理，动态地选择和编排各种位姿估计方法。该框架分析图像对以预测不同估计器的适用性，执行最有希望的估计器，并验证其输出。PoseAgent 在多个基准测试中表现出改进的性能，在某些场景下优于独立的估计器，甚至优于基于视觉语言模型的代理。
-
新的代理式框架重建用于仿真的 3D 室内场景
两篇新研究论文介绍了用于重建 3D 室内场景的代理式框架，旨在创建逼真且可用于仿真的数字孪生。LiteReality-Agent 将 3D 重建表述为一个编码问题，使用由代理编辑的 Python 脚本来生成数字孪生，并声称与 Astra 和 Fable 等近期模型相比，具有更高的准确性和真实感。CoDimRecon 专注于从多视图 RGB 数据中重建具有刚性、关节式和可变形物体的场景，开发了针对曲线、曲面和体积的特定方法，并演示了机器…
-
新框架GMPCR改进了低重叠场景下的多视图点云配准
研究人员开发了GMPCR，一个新颖的多视图点云配准框架，在重叠度有限的场景中特别有效。这种非学习方法构建了一个精炼的兼容性结构来评估对应关系的可靠性和扫描对的置信度，从而能够选择信息量大的对并过滤掉不可靠的对应关系。GMPCR通过假设生成和自适应同步方案优化姿态图，平衡了配准精度、鲁棒性和计算效率。
-
新研究探讨3D分割模型组合中的语义保留
研究人员调查了在组合冻结的基础模型进行少样本3D分割时，语义信息是如何保留的。他们的研究题为“Beyond Argmax: A Mechanistic Study of Semantic Retention in Frozen Foundation-Model Composition for Generalized Few-Shot 3D Segmentation”，发现与折叠到单个类别相比，在交互前保留语义替代物的完整分布，性能显著…
-
TUM 研究人员使用“逆向自监督”推进三维空间人工智能
慕尼黑工业大学 (TUM) 的研究人员，在 Angela Dai 教授的带领下，正在开发一种新颖的三维空间智能方法，以解决当前人工智能模型在理解真实世界三维环境方面的局限性。他们称之为“逆向自监督”的技术，利用物理遮挡机制作为结构先验，而不是依赖于完美的合成数据。该技术旨在克服遮挡造成的噪声和缺失几何数据等问题，使人工智能能够更好地解释和重构复杂的三维空间。
-
GoDeep 利用语言空间提升实现无标注的3D场景理解
研究人员开发了GoDeep，一种用于无标注开放词汇3D场景理解的新颖方法。与将CLIP特征嵌入3D的典型方法不同，GoDeep纯粹将视觉语言模型用作翻译器来生成实体级描述。然后，这些描述在仅语言的嵌入空间中进行聚合，消除了对大型3D训练语料库或领域特定编码器的需求。该系统在ScanNet++等基准测试中表现出竞争力，并在没有任何2D-3D标注的情况下，在准确本地化词汇外对象方面显示出潜力。
-
新的MSSP框架推动无监督3D点云分割技术发展
研究人员开发了一个名为MSSP的新框架，用于3D点云的无监督语义分割。该方法结合了多尺度谱分析和空间约束聚类，无需标注数据即可捕获分层语义结构。在S3DIS和ScanNet数据集上的实验表明，MSSP在平均交并比（mIoU）方面优于现有的无监督方法，尤其是在S3DIS数据集上。研究强调，空间一致性是多尺度特征在超点聚类中有效的先决条件。
-
Scal3R方法通过多相对位姿查询增强在线3D重建
研究人员开发了Scal3R，一种改进长视频在线3D重建的新方法。通过使用轻量级token和冻结骨干网络将问题重新表述为多参考相对位姿查询，Scal3R显著减少了漂移。该系统在包括KITTI、Virtual KITTI、Sintel、TUM-Dynamic、ScanNet和7-Scenes在内的各种数据集上取得了最先进的性能，同时仅需要原始骨干网络约1%的参数，并在单个GPU上8小时内收敛。
-
VOIM系统无需训练即可生成3D实例地图
研究人员推出了一种新颖的、无需训练的VOIM系统，可从RGB-D或单目RGB数据创建3D实例地图。与早期承诺标签的现有在线系统不同，VOIM将这些决策推迟到积累了足够证据后，从而提高了准确性。在ScanNet++上的评估中，VOIM在平均交并比（mIoU）方面显著优于领先的在线RGB-D系统OVO-SLAM。该系统在适应单目RGB输入时也显示出有效性，在Replica数据集上与基线相匹配。
-
3D-MRL 引入嵌套多模态3D表示，以适应不同的计算预算
研究人员引入了3D Matryoshka表示学习（3D-MRL），一个用于预训练多模态3D表示的新框架。该方法允许单个模型在不同维度生成嵌入，以适应不同的计算预算，而无需重新训练。在Objaverse-LVIS、ModelNet40和ScanNet等数据集上的实验表明，在零样本和少样本3D识别任务中具有竞争力，3D-MRL将Objaverse-LVIS的Top-1准确率从46.8%提高到50.9%。该系统还支持跨维度检索，提供不同级别…