論文の概要: Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces

• arxiv url: http://arxiv.org/abs/2605.15753v1
• Date: Fri, 15 May 2026 09:14:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 17:44:16.313555
• Title: Hierarchical and Holistic Open-Vocabulary Functional 3D Scene Graphs for Indoor Spaces
• Title（参考訳）: 室内空間における階層的・全体論的オープンボキャブラリ関数型3次元シーングラフ
• Authors: Xinggang Hu, Chenyangguang Zhang, Alexandros Delitzas, Xiangkui Zhang, Marc Pollefeys, Francis Engelmann, Xiangyang Ji,
• Abstract要約: 我々は、高密度テーブルトップオブジェクトと明示的なマルチレベル機能関係を導入することで、ベンチマークカバレッジを拡大する。 この研究は、小規模、高密度、および類似のインスタンスにかかわる重要な課題を提起する。 2次元視覚的グラウンドリングと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 116.57196064763924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Functional 3D scene graphs offer a versatile and flexible representation for 3D scene understanding and robotic manipulation, defined by object nodes, interactive elements, and functional relationship edges. However, their potential remains underexplored due to the limited coverage of existing benchmarks and the overly straightforward design of previous pipelines, which primarily focus on large-scale furniture but lack of hierarchical structures. Therefore, in this work, we extend the benchmark coverage by introducing dense tabletop objects and explicit multi-level functional relationships. This expansion introduces critical challenges involving small-scale, dense, and similar instances, with lack of visual anchoring in relational reasoning, instance confusion during cross-frame fusion, and attribution uncertainty under dynamic viewpoints. To address these issues, we propose an open-vocabulary pipeline based on 2D visual grounding and 3D graph optimization. Specifically, we anchor fine-grained functional edges from 2D visual evidence, and associate nodes across frames in 3D using multiple cues. Furthermore, edge association is formulated as temporal graph optimization, integrating evidence accumulation, entropy regularization, and temporal smoothing to robustly determine the functional connections of each node. Finally, global hierarchy shaping is performed to recover the hierarchical graph structure. Extensive experiments demonstrate that the proposed method can reliably infer functional 3D scene graphs in challenging real-world scenes, thereby further unlocking their potential for practical applications.
• Abstract（参考訳）: 機能的な3Dシーングラフは、オブジェクトノード、対話的要素、機能的関係エッジによって定義された3Dシーン理解とロボット操作のための汎用的で柔軟な表現を提供する。 しかし、既存のベンチマークのカバレッジが限られていたことと、大規模な家具に重点を置いているが階層構造が欠如している以前のパイプラインの設計が過度に単純であったために、その可能性はまだ探索されていない。 そこで本研究では,高密度テーブルトップオブジェクトと明示的なマルチレベル関数関係を導入することで,ベンチマークカバレッジを拡大する。 この拡張は、リレーショナル推論における視覚的アンカーの欠如、クロスフレーム融合時のインスタンスの混乱、動的視点下での帰属不確実性といった、小規模、高密度、および類似のインスタンスに関する重要な課題をもたらす。 これらの問題に対処するために,2次元視覚的グラウンドと3次元グラフ最適化に基づくオープン語彙パイプラインを提案する。 具体的には、2次元の視覚的証拠から微細な機能エッジを固定し、複数のキューを用いて3次元のフレームをまたいだノードを関連付ける。 さらに、エッジアソシエーションは、時間グラフ最適化、エビデンス蓄積、エントロピー正規化、および時間スムーシングを統合して、各ノードの関数接続を堅牢に決定する。 最後に、階層グラフ構造を復元するために、大域的階層形成を行う。 広汎な実験により,提案手法は実世界のシーンに挑戦する上で,機能的な3次元シーングラフを確実に推論できることを示す。

関連論文リスト

• FunFact: Building Probabilistic Functional 3D Scene Graphs via Factor-Graph Reasoning [48.3789545323541]
  確率的開語彙関数型3Dシーングラフを構築するためのフレームワークであるFunFactを紹介する。 FunFactはまず、オブジェクトと部分中心の3Dマップを構築し、基礎モデルを使用して意味論的に妥当な機能関係を提案する。 この設定をベンチマークするために、AI2-THORに基づく合成データセットであるFunThorを紹介した。
  論文  参考訳（メタデータ） (2026-04-04T11:53:12Z)
• KeySG: Hierarchical Keyframe-Based 3D Scene Graphs [1.5134439544218246]
  KeySGは3Dシーンを、床、部屋、オブジェクト、機能要素からなる階層的なグラフとして表現している。 我々はVLMを利用してシーン情報を抽出し、オブジェクト間の関係エッジを明示的にモデル化する必要性を緩和する。 我々のアプローチは、大規模シーングラフに関連するスケーラビリティ問題を緩和しながら、複雑であいまいなクエリを処理できる。
  論文  参考訳（メタデータ） (2025-10-01T15:53:27Z)
• FunGraph: Functionality Aware 3D Scene Graphs for Language-Prompted Scene Interaction [1.8124328823188356]
  本研究の目的は,ロボットが環境と直接対話できる表現を開発することである。 我々は、より細かな解像度でオブジェクトを検出し、保存することに集中し、価格関連部品に焦点をあてる。 現在利用可能な3Dリソースを活用して、2Dデータを生成し、検出器をトレーニングし、標準の3Dシーングラフ生成パイプラインを拡張するために使用します。
  論文  参考訳（メタデータ） (2025-03-10T23:13:35Z)
• Bootstraping Clustering of Gaussians for View-consistent 3D Scene Understanding [59.51535163599723]
  FreeGSは、教師なしセマンティック組み込み3DGSフレームワークで、2Dラベルを必要とせずに、ビュー一貫性のある3Dシーン理解を実現する。 FreeGSは複雑なデータ前処理のワークロードを避けながら、最先端のメソッドと互換性がある。
  論文  参考訳（メタデータ） (2024-11-29T08:52:32Z)
• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
  RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。 提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。 提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
  論文  参考訳（メタデータ） (2023-05-04T11:32:16Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Exploiting Edge-Oriented Reasoning for 3D Point-based Scene Graph Analysis [21.920148546359016]
  認識と推論を橋渡しする3Dポイントベースのシーングラフ生成フレームワークを提案する。 推論段階では、EDGE指向のグラフ畳み込みネットワークが作成され、多次元エッジ機能を利用する。 実験結果は、シーングラフ生成研究に有望なエッジ指向推論効果を示す。
  論文  参考訳（メタデータ） (2021-03-09T17:09:46Z)

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。