SLGaussian：稀疏视图下的快速语言高斯溅
计算机视觉与模式识别
2025-08-19 v3
摘要
3D语义场学习对于自动驾驶、AR/VR和机器人等应用至关重要，准确地理解来自有限视角的3D场景至为关键。现有方法在稀疏视图条件下表现不佳，依赖于每个场景的多视角优化，难以适用于许多实际任务。为此，我们提出SLGaussian，一种从稀疏视角构建3D语义场的前馈方法，允许直接推断基于3DGS的场景。通过确保通过视频跟踪的一致性SAM分段，并使用低维索引表示高维CLIP特征，SLGaussian高效地将语言信息嵌入3D空间，为稀疏视图条件下准确3D场景理解提供了稳健的解决方案。在LERF和3D-OVS数据集上的两个视图稀疏3D对象查询和分割实验中，SLGaussian在所选IoU、定位精度和mIoU方面优于现有方法。此外，我们的模型在30秒内实现场景推断，每个查询的开放词汇查询仅需0.011秒。
关键词
引用
@article{arxiv.2412.08331,
title = {SLGaussian: Fast Language Gaussian Splatting in Sparse Views},
author = {Kangjie Chen and BingQuan Dai and Minghan Qin and Dongbin Zhang and Peihao Li and Yingshuang Zou and Haoqian Wang},
journal= {arXiv preprint arXiv:2412.08331},
year = {2025}
}
备注
Accepted by ACM MM 2025. Project page: https://chenkangjie1123.github.io/SLGaussian.github.io/