CoRe-GS：基于语义目标聚焦的由粗到精高斯泼溅
计算机视觉与模式识别
2026-03-11 v3
摘要
快速且高效的3D重建对于遥导和灾害响应等时间敏感的机器人应用至关重要，在这些应用中，操作人员必须迅速分析特定的兴趣点。现有的语义高斯泼溅（GS）方法对整个场景进行均匀优化，即使只有一小部分场景具有操作相关性，也会产生大量的计算成本。我们提出了 CoRe-GS，一个由粗到精的 GS 框架，实现了任务驱动的 POI 聚焦优化。我们的方法首先使用轻量级的后期语义精修，生成具备分割就绪性的 GS 表示。随后，仅对与选定 POI 相关联的高斯进行进一步优化，从而减少不必要的背景计算。为了减轻选择性精修过程中由分割引起的异常点，我们引入了一种基于颜色的过滤机制，该机制无需掩膜光栅化即可移除不一致的高斯。我们在多个数据集上评估了鲁棒性。在 LERF-Mask 上，我们的分割就绪表示以极少的优化步骤实现了具有竞争力的 mIoU。在合成和真实世界数据集（NeRDS360、SCRREAM、Tanks and Temples）上，与完整的语义 GS 相比，CoRe-GS 大幅减少了训练时间，同时提高了 POI 重建质量并减少了异常点。这些结果表明，任务感知的选择性精修能够实现更快、更高质量的场景重建，以满足机器人操作需求。
引用
@article{arxiv.2509.04859,
title = {CoRe-GS: Coarse-to-Refined Gaussian Splatting with Semantic Object Focus},
author = {Hannah Schieber and Dominik Frischmann and Victor Schaack and Simon Boche and Angela Schoellig and Stefan Leutenegger and Daniel Roth},
journal= {arXiv preprint arXiv:2509.04859},
year = {2026}
}