2D引导的3D高斯分割
计算机视觉与模式识别
2023-12-27 v1
摘要
最近，3D高斯作为一种显式3D表示方法，在表达复杂场景和训练时长方面显示出比NeRF（神经辐射场）更强的竞争力。这些优势预示着3D高斯在3D理解和编辑中的广泛应用。同时，3D高斯的分割仍处于起步阶段。现有的分割方法不仅繁琐，而且无法在短时间内同时分割多个物体。为此，本文提出了一种以2D分割作为监督的3D高斯分割方法。该方法使用输入的2D分割图来指导添加的3D高斯语义信息的学习，同时通过最近邻聚类和统计滤波来细化分割结果。实验表明，我们简洁的方法在多物体分割的mIOU和mAcc上可以达到与先前单物体分割方法相当的性能。
引用
@article{arxiv.2312.16047,
title = {2D-Guided 3D Gaussian Segmentation},
author = {Kun Lan and Haoran Li and Haolin Shi and Wenjun Wu and Yong Liao and Lin Wang and Pengyuan Zhou},
journal= {arXiv preprint arXiv:2312.16047},
year = {2023}
}