論文の概要: Occupancy-Grounded Room Segmentation for Hierarchical 3D Scene Graphs

• arxiv url: http://arxiv.org/abs/2606.13727v1
• Date: Thu, 11 Jun 2026 09:36:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.525932
• Title: Occupancy-Grounded Room Segmentation for Hierarchical 3D Scene Graphs
• Title（参考訳）: 階層型3次元シーングラフのための作業空間分割
• Authors: Carlos Cueto Zumaya, Iacopo Catalano, Jorge Peña-Queralta, Wallace Moreira Bessa,
• Abstract要約: 本稿では, 部屋ノードを占有分解から得られる自由空間領域に固定した3DSGパイプラインを提案する。 その結果, 居住地におけるアンカーは, 場所接続構造よりも部屋のインスタンスをかなり多く回収し, 精度の低下を招いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hierarchical 3D scene graphs (3DSGs) for indoor robots organize geometric and semantic information across spatial scales, with a room layer that connects object-level perception to room-scale reasoning. Existing systems construct this layer from different spatial substrates (\eg{} place clusters, wall planes, or segmentation outputs), and as a result, room nodes are not evaluated on a common geometric criterion. We present an occupancy-grounded 3DSG pipeline in which room nodes are anchored to tracked free-space regions derived from occupancy decomposition, giving each room an explicit polygonal footprint. We evaluate the pipeline on 12 Matterport3D scenes by matching predicted room polygons to annotated room instances and compare against Hydra, a representative state-of-the-art place-connectivity baseline. The results show that occupancy-grounded anchoring recovers substantially more room instances than place-connectivity construction, at the cost of lower precision, and that wall-accurate room boundaries remain an open problem for both methods. Code is available at https://github.com/crcz25/OccuSG.
• Abstract（参考訳）: 室内ロボットのための階層的な3Dシーングラフ(3DSG)は、空間スケールにわたって幾何学的および意味的な情報を整理する。 既存のシステムは、異なる空間基板 (\eg{} place cluster, wall plane, or segmentation outputs) からこの層を構築し、その結果、部屋ノードは一般的な幾何学的基準では評価されない。 本稿では,空間ノードを占有分解から得られる自由空間領域に固定し,各空間に明示的な多角形フットプリントを与える3DSGパイプラインを提案する。 我々は,予測室多角形をアノテートされた部屋のインスタンスに合わせることで,12のMatterport3Dシーンのパイプラインを評価し,最先端の場所接続ベースラインであるHydraと比較した。 以上の結果から, 壁面の正確な壁面境界が両手法ともに未解決の課題であることがわかった。 コードはhttps://github.com/crcz25/OccuSG.comで入手できる。

関連論文リスト

• 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)
• Open-Vocabulary Indoor Object Grounding with 3D Hierarchical Scene Graph [0.0]
  OVIGo-3DHSGは階層的なシーングラフ上の広い屋内環境を表す。 階層的表現は、床、部屋、場所、オブジェクト間の空間関係を明示的にモデル化する。 提案手法は,既存の手法と比較して,効率的なシーン理解とロバストなオブジェクトグラウンド化を実証する。
  論文  参考訳（メタデータ） (2025-07-16T10:47:12Z)
• TB-HSU: Hierarchical 3D Scene Understanding with Contextual Affordances [20.4157915852084]
  本研究では,3次元階層的なシーングラフを用いて,機能的可利用性の変化と構造を学習するモデルを構築した。 様々な機能的余裕は、グラフの様々な空間的コンテキストと統合するように設計されている。
  論文  参考訳（メタデータ） (2024-12-07T09:23:17Z)
• 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)
• SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation with Fine-Grained Geometry [92.24144643757963]
  3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。 高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。 SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。 提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
  論文  参考訳（メタデータ） (2023-02-16T15:31:59Z)
• 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)
• 3D-Aware Indoor Scene Synthesis with Depth Priors [62.82867334012399]
  既存の手法では、室内配置や内部の物体の多様さのため、屋内シーンのモデル化に失敗する。 室内のシーンは共通な内在構造を持たず、2次元画像のみを用いるだけでは3次元形状のモデルが適切にガイドできない。
  論文  参考訳（メタデータ） (2022-02-17T09:54:29Z)
• GeoLayout: Geometry Driven Room Layout Estimation Based on Depth Maps of Planes [18.900646770506256]
  レイアウト推定のための深層学習に幾何学的推論を取り入れることを提案する。 提案手法では,画素レベルの表面パラメータを推定することにより,シーン内の支配面の深さマップを推測する。 支配平面の画素レベル深度アノテーションを用いた新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2020-08-14T10:34:24Z)

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。