SplatSSC：基于深度引导的语义场景完成的解耦高斯溅射
计算机视觉与模式识别
2026-01-01 v3
摘要
单目3D语义场景完成（SSC）是一个具有挑战性又富有前景的任务，旨在从单张图像推断场景的稠密几何和语义描述。虽然最近的对象中心范式通过利用灵活的3D高斯原始块显著提高了效率，但它们仍依赖于大量随机初始化的原始块，导致1)原始块初始化效率低下和2)引入错误性文物的离群原始块。在本文中，我们提出SplatSSC，一种 novel 框架，通过深度引导的初始化策略和原则性的高斯聚合器来解决这些限制。SplatSSC利用由组态多尺度融合（GMF）模块组成的专用深度分支，整合多尺度图像和深度特征，以生成稀疏而具代表性的初始高斯原始块。为缓解离群原始块引入的噪声，我们开发了解耦式高斯聚合器（DGA），通过分解几何和语义预测来增强在高斯到体素溅射过程中的鲁棒性。配合专用的概率尺度损失，我们的方法在Occ-ScanNet数据集上实现了最先进的性能，相较于先前方法在IoU上提升超过6.3%，在mIoU上提升4.1%，同时将延迟和内存成本降低超过9.3%。
引用
@article{arxiv.2508.02261,
title = {SplatSSC: Decoupled Depth-Guided Gaussian Splatting for Semantic Scene Completion},
author = {Rui Qian and Haozhi Cao and Tianchen Deng and Shenghai Yuan and Lihua Xie},
journal= {arXiv preprint arXiv:2508.02261},
year = {2026}
}
备注
Accepted for oral presentation in The 40th Annual AAAI Conference on Artificial Intelligence (AAAI 2026)