OpenScan：通用开放词汇 3D 场景理解基准
计算机视觉与模式识别
2025-11-26 v4
摘要
开放词汇 3D 场景理解（OV-3D）旨在定位和分类超出封闭对象类别集合的新型对象。然而，现有方法和基准主要聚焦于对象类别范围内的开放词汇问题，这在为模型对 3D 场景理解程度提供全面评估方面已不足。本文引入了更具挑战性的任务——通用开放词汇 3D 场景理解（GOV-3D），以探索超越对象类别的开放词汇问题。它包含以语言查询形式表达的开放且多样的广义知识，涵盖细粒度和对象特定属性。为此，我们贡献了一个新的基准，名为 \textit{OpenScan}，其中包含跨八个代表性语言方面的 3D 对象属性，包括可 affordance、property 和 material。我们进一步在 OpenScan 基准上评估了最新方法的 OV-3D 性能，发现这些方法在理解 GOV-3D 任务中抽象词汇方面困难，这一挑战无法仅通过扩大对象类别训练来解决。我们指出了现有方法的局限性，并探索了克服这些短板的有前景方向。
引用
@article{arxiv.2408.11030,
title = {OpenScan: A Benchmark for Generalized Open-Vocabulary 3D Scene Understanding},
author = {Youjun Zhao and Jiaying Lin and Shuquan Ye and Qianshi Pang and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:2408.11030},
year = {2025}
}
备注
Accepted by AAAI 2026. Project Page: https://youjunzhao.github.io/OpenScan/