3DGS-CD：基于 3D 高斯溅射的物理对象重排变化检测
计算机视觉与模式识别
2025-01-22 v2 机器人学
摘要
我们提出了 3DGS-CD，这是首个基于 3D 高斯溅射（3DGS）的用于检测 3D 场景中物理对象重排的方法。我们的方法通过比较不同时间拍摄的两组未对齐图像来估计 3D 对象级别的变化。利用 3DGS 的新颖视图渲染和 EfficientSAM 的零样本分割能力，我们检测 2D 对象级别的变化，然后将这些变化跨视图关联和融合，以估计 3D 变化掩码和对象变换。我们的方法可以在杂乱环境中仅使用少量（最少一张）变化后图像，在短短 18 秒内准确识别变化。该方法不依赖深度输入、用户指令、预定义对象类别或对象模型——只要对象被重新排列即可被识别。我们在公开和自建的真实世界数据集上评估了该方法，与最先进的基于辐射场的变化检测方法相比，准确率提高了高达 14%，性能提升了三个数量级。这一显著的性能提升支持了广泛的下游应用，我们重点介绍了三个关键用例：对象重建、机器人工作空间重置和 3DGS 模型更新。我们的代码和数据将在 https://github.com/520xyxyzq/3DGS-CD 上公开。
引用
@article{arxiv.2411.03706,
title = {3DGS-CD: 3D Gaussian Splatting-based Change Detection for Physical Object Rearrangement},
author = {Ziqi Lu and Jianbo Ye and John Leonard},
journal= {arXiv preprint arXiv:2411.03706},
year = {2025}
}