SLAG：可扩展的语言增强高斯溅射
计算机视觉与模式识别
2025-08-19 v2 人工智能
机器人学
摘要
语言增强的场景表示在大规模机器人应用中具有巨大的潜力，如搜救、智慧城市和采矿等场景。许多情景都高度依赖时间，要求快速编码场景，同时又数据密集， necessitating 可扩展的解决方案。将这些表示部署在计算资源有限的机器人上进一步增加了挑战。为此，我们引入 SLAG，一个针对语言增强高斯溅射的多 GPU 框架，提升了大规模场景嵌入的速度和可扩展性。我们的方法将 2D 视觉语言模型特征整合到 3D 场景中，采用 SAM 与 CLIP。不同于先前方法，SLAG 无需计算每个高斯语言嵌入的损失函数，而是通过归一化加权平均从 3D 高斯场景参数中派生嵌入，实现高度并行的场景编码。此外，我们引入了向量数据库用于高效的嵌入存储与检索。我们的实验表明，SLAG 在 16 GPU 设置下相较于 OpenGaussian 实现了 18 倍的嵌入计算加速，同时在 ScanNet 与 LERF 数据集上保持了嵌入质量。
引用
@article{arxiv.2505.08124,
title = {SLAG: Scalable Language-Augmented Gaussian Splatting},
author = {Laszlo Szilagyi and Francis Engelmann and Jeannette Bohg},
journal= {arXiv preprint arXiv:2505.08124},
year = {2025}
}