B$^3$-Seg：基于解析 EIG 与 Beta-Bernoulli 贝叶斯更新的无相机、无训练 3DGS 分割
计算机视觉与模式识别
2026-02-20 v1
摘要
Interactive 3D 高斯溶解 (3DGS) 分割对于实时编辑电影和游戏制作中的预构建资产至关重要。然而，现有方法依赖于预定义的相机视点、ground-truth 标签或高成本的重新训练，难以满足低延迟需求。我们提出了 B-Seg (Beta-Bernoulli 贝叶斯分割 for 3DGS)，一种在无相机、无训练条件下实现开词汇 3DGS 分割的快速且理论依据确立的方法。我们的方法将分割问题重新表述为顺序 Beta-Bernoulli 贝叶斯更新，并通过解析期望信息增益 (EIG) 主动选择下一个视点。这种贝叶斯表述保证了 EIG 的自适应单调性和亚调和性，产生对最优视点采样策略的贪心 近似。实验在多个数据集上表明，B-Seg 在operating end-to-end 分割于几秒钟内即可达到与高成本监督方法相当的竞争成绩。结果表明，B-Seg 实现了具有可证明信息效率的实用、交互式 3DGS 分割。
引用
@article{arxiv.2602.17134,
title = {B$^3$-Seg: Camera-Free, Training-Free 3DGS Segmentation via Analytic EIG and Beta-Bernoulli Bayesian Updates},
author = {Hiromichi Kamata and Samuel Arthur Munro and Fuminori Homma},
journal= {arXiv preprint arXiv:2602.17134},
year = {2026}
}
备注
Project page: https://sony.github.io/B3-Seg-project/