SAGD：通过高斯分解实现边界增强的3D高斯分割一切
计算机视觉与模式识别
2025-01-22 v4
摘要
3D高斯泼溅（3D Gaussian Splatting）作为一种用于新视角合成的替代3D表示方法而出现，得益于其高质量的渲染结果和实时渲染速度。然而，3D-GS学习到的3D高斯具有模糊的结构，缺乏任何几何约束。3D-GS的这一固有问题导致在分割单个物体时边界粗糙。为解决这些问题，我们提出了SAGD，这是一种概念简单但有效的边界增强分割流程，用于改进3D-GS的分割精度，同时保持分割速度。具体来说，我们引入了一种高斯分解方案，该方案巧妙地利用了3D高斯的特殊结构，找出并分解边界高斯。此外，为了实现快速的交互式3D分割，我们通过将2D基础模型提升到3D-GS，引入了一种新颖的免训练流程。大量实验表明，我们的方法实现了高质量的3D分割，没有粗糙边界问题，并且可以轻松应用于其他场景编辑任务。
引用
@article{arxiv.2401.17857,
title = {SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition},
author = {Xu Hu and Yuxi Wang and Lue Fan and Chuanchen Luo and Junsong Fan and Zhen Lei and Qing Li and Junran Peng and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2401.17857},
year = {2025}
}