論文の概要: GeoSAM-3D: Geodesic Prompt Propagation for Open-Vocabulary 3D Scene Segmentation from Monocular Video
- arxiv url: http://arxiv.org/abs/2606.00447v1
- Date: Sat, 30 May 2026 00:34:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.463561
- Title: GeoSAM-3D: Geodesic Prompt Propagation for Open-Vocabulary 3D Scene Segmentation from Monocular Video
- Title（参考訳）: GeoSAM-3D: モノクロ映像からの3次元空間分割のための測地的プロンプトプロパゲーション
- Abstract要約: GeoSAM-3Dはより軽い設定を研究し、ユーザーは短いモノクロビデオをアップロードし、あるフレーム内のオブジェクトをクリックまたは名前付けし、ガウスシーン上で伝搬した3Dマスクを受け取る。
この実装は、凍結画像とビデオ基礎モデルと、単分子のガウススプラッティング再構成とガウスセントロイド上の微分可能なグラフ-ジオデシック伝播カーネルを組み合わせる。
本稿では,Geosam3d.propagateで実装されたレポジトリの状態,Segment Anythingマスクからトレーニングした機能ヘッド,および現場にすでに存在するバリデーションについて述べる。
- 参考スコア（独自算出の注目度）: 1.5229257192293202
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-vocabulary 3D scene segmentation usually assumes RGB-D video, calibrated multi-view imagery, or a reconstructed mesh. GeoSAM-3D studies a lighter setting: a user uploads a short monocular video, clicks or names an object in one frame, and receives a propagated 3D mask over a Gaussian scene. The implementation combines frozen image and video foundation models with a monocular 3D Gaussian Splatting reconstruction and a differentiable graph-geodesic propagation kernel over Gaussian centroids. The central design choice is to propagate prompts by heat-kernel distance on the reconstructed scene graph, rather than by Euclidean nearest neighbors in 3D. This preserves continuity around curved surfaces and reduces leakage across nearby but disconnected objects. This paper describes the repository state, the mathematical kernel implemented in geosam3d.propagate, the feature head trained from Segment Anything masks, and the validation already present in the codebase. The evaluation protocol separates implementation validation, graph propagation quality, leakage control, and interactive latency.
- Abstract（参考訳）: オープン語彙の3Dシーンセグメンテーションは、通常、RGB-Dビデオ、キャリブレーションされたマルチビューイメージ、または再構成メッシュを前提としている。
GeoSAM-3Dはより軽い設定を研究し、ユーザーは短いモノクロビデオをアップロードし、あるフレーム内のオブジェクトをクリックまたは名前付けし、ガウスシーン上で伝搬した3Dマスクを受け取る。
この実装は、凍結画像とビデオ基礎モデルと、単分子のガウススプラッティング再構成とガウスセントロイド上の微分可能なグラフ-ジオデシック伝播カーネルを組み合わせる。
中心となる設計選択は、3次元のユークリッド近傍の隣人よりも、再構成されたシーングラフ上で熱カーネル距離でプロンプトを伝播させることである。
これは曲面の周りの連続性を保ち、近傍にあるが切断された物体のリークを低減する。
本稿では,Geosam3d.propagateで実装された,Segment Anythingマスクでトレーニングされた機能ヘッドのリポジトリ状態と,コードベースにすでに存在するバリデーションについて述べる。
評価プロトコルは、実装検証、グラフ伝搬品質、リーク制御、インタラクティブレイテンシを分離する。
関連論文リスト
- GaussianSelector: Lightweight Human-Guided Object Selection in 3D Gaussian Splatting with Graph Optimization [18.39349689479339]
GaussianSelectorは、スパースビューとスクリブルガイダンスからインタラクティブな3Dオブジェクト選択のための、トレーニング不要のフレームワークである。
最先端の多視点SAMベースの手法と競合する選択品質を実現する。
実環境における3Dシーン編集と3Dアセット抽出に適している。
論文 参考訳（メタデータ） (2026-08-02T20:51:09Z) - EA3D: Online Open-World 3D Object Extraction from Streaming Videos [55.48835711373918]
オープンワールド3Dオブジェクト抽出のための統合オンラインフレームワークであるExtractAnything3D(EA3D)を提案する。
ストリーミングビデオが与えられると、EA3Dは視覚言語と2D視覚基盤エンコーダを使用して各フレームを動的に解釈し、オブジェクトレベルの知識を抽出する。
リカレントな共同最適化モジュールは、モデルの関心領域への注意を向け、幾何学的再構成と意味的理解の両面を同時に強化する。
論文 参考訳（メタデータ） (2025-10-29T03:56:41Z) - GeoPurify: A Data-Efficient Geometric Distillation Framework for Open-Vocabulary 3D Segmentation [57.8059956428009]
2次元視覚言語モデルから3次元セマンティックセグメンテーションへ機能を移行しようとする最近の試みは、永続的なトレードオフを露呈している。
3次元教師モデルから抽出した幾何学的事前情報を用いて2次元VLM生成した3次元点特徴に小さな学生親和性ネットワークを適用したGeoPurifyを提案する。
遅延幾何学情報と学習された親和性ネットワークから恩恵を受けることで、GeoPurifyはトレードオフを効果的に軽減し、優れたデータ効率を実現する。
論文 参考訳（メタデータ） (2025-10-02T16:37:56Z) - Graph-Guided Scene Reconstruction from Images with 3D Gaussian Splatting [5.8452477457633485]
既存の手法には、精密なカメラポーズを入力に必要としたり、監督のために密集した視点を必要とするなど、様々な制限がある。
グラフ誘導型3Dシーン再構築フレームワークGraphGSを提案する。
画像から高忠実度な3D再構成を実現し,複数のデータセットにわたる定量的,定性的な評価により,最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-02-24T17:59:08Z) - PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。
初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
論文 参考訳（メタデータ） (2024-12-31T08:58:10Z) - Oriented-grid Encoder for 3D Implicit Representations [10.02138130221506]
本論文は,3次元幾何エンコーダの3次元特性を明示的に利用した最初のものである。
提案手法は,従来の手法と比較して最先端の結果が得られる。
論文 参考訳（メタデータ） (2024-02-09T19:28:13Z) - 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) - Gaussian Grouping: Segment and Edit Anything in 3D Scenes [65.49196142146292]
ガウシアン・グルーピング(ガウシアン・グルーピング)はガウシアン・スプラッティングを拡張して,オープンワールドの3Dシーンで何かを共同で再構築・分割する。
暗黙のNeRF表現と比較すると,グループ化された3次元ガウシアンは,高画質,微粒度,高効率で,あらゆるものを3次元で再構成,分割,編集することができる。
論文 参考訳（メタデータ） (2023-12-01T17:09:31Z) - SceneGraphFusion: Incremental 3D Scene Graph Prediction from RGB-D
Sequences [76.28527350263012]
rgb-dフレームのシーケンスを与えられた3次元環境から意味的シーングラフを漸進的に構築する手法を提案する。
我々は、グラフニューラルネットワークを用いて、プリミティブシーンコンポーネントからpointnet機能を集約する。
提案手法は,35hzで動作する他の3dセマンティクスおよびパンオプティカルセグメンテーション法と同等の精度で,高いマージンで3dシーングラフ予測手法を上回る。
論文 参考訳（メタデータ） (2021-03-27T13:00:36Z)
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。