Splat特征求解器

特征提升已成为三维场景理解中的关键组成部分，它能够将丰富的图像特征描述符（如DINO、CLIP）附加到基于Splat的三维表示上。其核心挑战在于为三维基元最优地分配丰富的通用属性，同时解决来自多视图图像的不一致性问题。我们将特征提升问题统一表述为一个与核函数和特征无关的稀疏线性逆问题，该问题可通过闭式解高效求解。我们的方法在凸损失下为提供高质量提升特征提供了可证明的全局最优误差上界。为解决多视图观测中的不一致性和噪声，我们引入了两种互补的正则化策略来稳定解并增强语义保真度。Tikhonov引导通过软对角占优增强数值稳定性，而提升后聚合则通过特征聚类过滤噪声输入。大量实验表明，我们的方法在开放词汇三维分割基准上达到了最先进的性能，优于基于训练、基于分组和启发式前向的基线方法，同时能在数分钟内生成提升特征。我们的代码可在GitHub获取。我们提供了额外的网站以展示更多可视化结果，以及视频。