論文の概要: NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation

• arxiv url: http://arxiv.org/abs/2604.14706v1
• Date: Thu, 16 Apr 2026 07:14:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.773123
• Title: NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation
• Title（参考訳）: NG-GS:NeRF誘導型3Dガウス・スプレイティング・セグメンテーション
• Authors: Yi He, Tao Wang, Yi Jin, Congyan Lang, Yidong Li, Haibin Ling,
• Abstract要約: 3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
• 参考スコア（独自算出の注目度）: 65.34304674634713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 3D Gaussian Splatting (3DGS) have enabled highly efficient and photorealistic novel view synthesis. However, segmenting objects accurately in 3DGS remains challenging due to the discrete nature of Gaussian representations, which often leads to aliasing and artifacts at object boundaries. In this paper, we introduce NG-GS, a novel framework for high-quality object segmentation in 3DGS that explicitly addresses boundary discretization. Our approach begins by automatically identifying ambiguous Gaussians at object boundaries using mask variance analysis. We then apply radial basis function (RBF) interpolation to construct a spatially continuous feature field, enhanced by multi-resolution hash encoding for efficient multi-scale representation. A joint optimization strategy aligns 3DGS with a lightweight NeRF module through alignment and spatial continuity losses, ensuring smooth and consistent segmentation boundaries. Extensive experiments on NVOS, LERF-OVS, and ScanNet benchmarks demonstrate that our method achieves state-of-the-art performance, with significant gains in boundary mIoU. Code is available at https://github.com/BJTU-KD3D/NG-GS.
• Abstract（参考訳）: 3Dガウススプラッティング(3DGS)の最近の進歩は、高効率で光リアルな新規なビュー合成を可能にしている。 しかし、オブジェクトを正確に3DGSに分割することは、しばしばオブジェクト境界におけるエイリアスやアーティファクトにつながるガウス表現の離散的な性質のため、依然として困難である。 本稿では,3DGSにおける高品質なオブジェクトセグメンテーションのための新しいフレームワークNG-GSを紹介する。 我々のアプローチは、マスク分散分析を用いて、対象境界におけるあいまいなガウスを自動同定することから始まる。 次に、高効率なマルチスケール表現のための多重解像度ハッシュ符号化により強化された空間連続的特徴場を構築するために、放射基底関数(RBF)補間を適用する。 共同最適化戦略は、3DGSと軽量のNeRFモジュールをアライメントと空間連続性損失によって整列し、スムーズで一貫したセグメンテーション境界を確保する。 NVOS, LERF-OVS, ScanNet ベンチマークの大規模実験により, 境界 mIoU が大幅に向上し, 最先端性能が得られた。 コードはhttps://github.com/BJTU-KD3D/NG-GSで入手できる。

関連論文リスト

• LabelGS: Label-Aware 3D Gaussian Splatting for 3D Scene Segmentation [56.4321049923868]
  3D Gaussian Splatting (3DGS)は、3Dシーンの新たな明示的な表現として登場し、高忠実度再構成と効率的なレンダリングの両方を提供している。 ガウス表現をオブジェクトラベルで拡張する手法であるラベル対応3Dガウス分割法(LabelGS)を提案する。 LabelGSはFeature-3DGSと比較して、1440X1080の解像度でトレーニングで22倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2025-08-27T09:07:38Z)
• COB-GS: Clear Object Boundaries in 3DGS Segmentation Based on Boundary-Adaptive Gaussian Splitting [67.03992455145325]
  3D Gaussian Splatting(3DGS)に基づく3Dセグメンテーションは、オブジェクトの境界を正確に記述するのに苦労する。 セグメンテーション精度の向上を目的とした3DGS(COB-GS)のためのクリアオブジェクト境界を導入する。 意味指導には境界適応型ガウス分割法を導入する。 視覚的最適化のために、3DGSシーンの劣化したテクスチャを補正する。
  論文  参考訳（メタデータ） (2025-03-25T08:31:43Z)
• TSGaussian: Semantic and Depth-Guided Target-Specific Gaussian Splatting from Sparse Views [18.050257821756148]
  TSGaussianは、新しいビュー合成タスクにおける幾何学的劣化を避けるために、意味的制約と深さ事前の制約を組み合わせる新しいフレームワークである。 提案手法は,バックグラウンドアロケーションを最小化しながら,指定された目標に対する計算資源の優先順位付けを行う。 大規模な実験により、TSGaussianは3つの標準データセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-13T11:26:38Z)
• SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
  3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。 SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。 提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
  論文  参考訳（メタデータ） (2024-01-31T14:19:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。