SegSplat：面向开放集态语义分割的面向式高斯溅射
计算机视觉与模式识别
2025-11-25 v1
摘要
我们提出了SegSplat，一个新型框架，旨在弥合快速面向式3D重建与丰富的开放词汇语义理解之间的差距。通过构建来自多视图2D基础模型特征的紧凑语义记忆库，并在单次前向传播中为每个3D高斯预测离散语义指数、几何属性和外观属性，SegSplat能够高效地为场景注入可查询的语义信息。我们的实验表明，SegSplat在几何保真度上与最先进的面向式3D高斯溅射方法相当，同时实现了鲁棒的开放集态语义分割，关键在于无需为语义特征集成进行任何单场景优化。该工作代表了一种向实用、即时生成富有语义 awareness 的3D环境的重要进展，这对于推动机器人交互、增强现实等智能系统至关重要。
引用
@article{arxiv.2511.18386,
title = {SegSplat: Feed-forward Gaussian Splatting and Open-Set Semantic Segmentation},
author = {Peter Siegel and Federico Tombari and Marc Pollefeys and Daniel Barath},
journal= {arXiv preprint arXiv:2511.18386},
year = {2025}
}