语义泡沫：统一空间与语义场景分解
计算机视觉与模式识别
2026-05-04 v2
摘要
现代场景重建方法，如 3D 高斯渲染，能够以实时速度提供照片般的新视角合成，但其在交互式图形应用中的采用仍受限。主要瓶颈是与这些表示进行交互相对于传统的人工编写 3D 资产的困难。虽然之前的研究尝试在这些模型上施加语义分解，但关于分割质量和一致性的挑战仍然存在。为此，我们引入语义泡沫(Semantic Foam)，将最近提出的 Radiant Foam 表示扩展到语义分解任务。我们的 метод将 Radiant Foam Voronoi 网格的自然空间体积分解与以单元为级别的参数化的显式语义特征场相结合。这种显式结构使我们能够直接进行空间正则化，从而防止由遮挡或跨视图不一致监督导致的伪影——这些都是其他基于点的表示常见的陷阱。实验结果表明，我们的方法在对象级别的分割性能方面优于高斯分组和 SAGA 等最新方法。
关键词
引用
@article{arxiv.2604.26262,
title = {Semantic Foam: Unifying Spatial and Semantic Scene Decomposition},
author = {Amr Sharafeldin and Shrisudhan Govindarajan and Thomas Walker and Aryan Mikaeili and Daniel Rebain and Kwang Moo Yi and Andrea Tagliasacchi},
journal= {arXiv preprint arXiv:2604.26262},
year = {2026}
}
备注
15 pages, 10 figures, Accepted to CVPR 2026 (Highlight) , Project page: http://semanticfoam.github.io/