OpenGS-SLAM：基于 3D 高斯溅写的开放集密集语义 SLAM 用于对象级场景理解
计算机视觉与模式识别
2025-03-04 v1 人工智能
摘要
近期在3D 高斯溅写方面的进展显著提升了密集语义 SLAM 的效率和质量。然而，现有方法通常受限于有限类别的预训练分类器和隐式语义表示，限制了其在开放场景中的应用，并restrict了3D 对象级场景理解。为此，我们提出OpenGS-SLAM，一个创新框架，利用3D 高斯表示在开放环境中执行密集语义 SLAM。该系统将来自2D基础模型的显式语义标签整合到3D 高斯框架中，以实现稳健的对象级3D 场景理解。我们引入高斯投票溅写，以实现快速2D 标签图渲染和场景更新。此外，我们提出基于置信度的2D 标签共识方法，以确保多视角下的一致标记。进一步，我们采用分段计数修剪策略以提高语义场景表示的准确性。大量在合成数据和真实世界数据集上的实验表明，我们方法在场景理解、跟踪和映射方面有效，实现了10倍的语义渲染速度和2倍的存储成本降低。项目页面：https://young-bit.github.io/opengs-github.github.io/。
引用
@article{arxiv.2503.01646,
title = {OpenGS-SLAM: Open-Set Dense Semantic SLAM with 3D Gaussian Splatting for Object-Level Scene Understanding},
author = {Dianyi Yang and Yu Gao and Xihan Wang and Yufeng Yue and Yi Yang and Mengyin Fu},
journal= {arXiv preprint arXiv:2503.01646},
year = {2025}
}