基于点图关联与分段平面约束的一致且紧凑的3D高斯分割场
计算机视觉与模式识别
2025-02-25 v1
摘要
实现一致且紧凑的3D分割场对于维持跨视图的语义一致性并准确表示场景结构至关重要。以往的3D场景分割方法依赖视频分割模型来解决跨视图的不一致性，但缺乏空间信息常导致对象在消失后重新出现的情形下发生误关联。此外，在3D场景重建过程中，分割与优化常被视为独立任务，导致优化缺乏语义类别信息，进而产生带有歧义分割的浮点现象。为此，我们引入CCGS（Compact and Consistent Gaussian Segmentation），旨在实现视图一致的2D分割和紧凑的3D高斯分割场。CCGS融合点图关联与分段平面约束。首先，我们通过最小化相邻图像点图间的欧几里得距离来建立像素间的对应关系。随后，我们据此重新定义对象掩码的重叠方式。采用匈牙利算法对掩码关联进行优化，通过最小化总匹配代价实现部分匹配。为进一步提升紧凑性，分段平面约束限制优化过程中局部平面内的点位位移，从而保持结构完整性。在ScanNet和Replica数据集上的实验表明，CCGS在2D全景分割和3D高斯分割方面均优于现有方法。
引用
@article{arxiv.2502.16303,
title = {Pointmap Association and Piecewise-Plane Constraint for Consistent and Compact 3D Gaussian Segmentation Field},
author = {Wenhao Hu and Wenhao Chai and Shengyu Hao and Xiaotong Cui and Xuexiang Wen and Jenq-Neng Hwang and Gaoang Wang},
journal= {arXiv preprint arXiv:2502.16303},
year = {2025}
}