論文の概要: Online Segment 3D Gaussians via Launching Virtual Drones
- arxiv url: http://arxiv.org/abs/2607.01628v1
- Date: Thu, 02 Jul 2026 02:51:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.643622
- Title: Online Segment 3D Gaussians via Launching Virtual Drones
- Title（参考訳）: オンラインセグメンテーション3Dガウシアンがバーチャルドローンをローンチ
- Abstract要約: SAGOはインタラクティブな3DGSセグメンテーションのための新しいセットアップフリーフレームワークである。
仮想ドローンを導入することで、オンラインNBV(Next-Best-View)計画タスクとして3Dセグメンテーション問題を再構成する。
提案手法は,従来のセットアップフリーな3DGSセグメンテーションフレームワークと比較して50倍以上の高速化を実現している。
- 参考スコア（独自算出の注目度）: 28.88685778137467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interactive segmentation of 3D Gaussians offers a compelling opportunity for real-time manipulation of 3D scenes, thanks to the real-time rendering capability of 3D Gaussian Splatting (3DGS). However, existing methods require a time-consuming per-scene setup - typically tens of seconds or even minutes - before interactive segmentation can begin on a raw 3DGS scene. This setup involves multi-view mask preparation, mask lifting, and feature distillation, creating a major bottleneck for online applications. To address this limitation, we aim to completely eliminate the setup stage for interactive 3DGS segmentation while keeping the segmentation time practical (under 1 second). In this work, we present SAGO (Segment Any Gaussians Online), a novel setup-free framework for interactive 3DGS segmentation. By introducing virtual drones, our method reframes the 3D segmentation problem as an online Next-Best-View (NBV) planning task formulated within a Markov process. Extensive experiments demonstrate that SAGO can extract clean 3D assets directly from 3D Gaussians with sub-second latency, thereby enabling a broad range of downstream applications such as object manipulation and scene editing. Moreover, our method achieves over a 50x speedup compared to the previous setup-free 3DGS segmentation frameworks.
- Abstract（参考訳）: 3D Gaussianのインタラクティブセグメンテーションは、3D Gaussian Splatting(3DGS)のリアルタイムレンダリング機能のおかげで、3Dシーンのリアルタイム操作に魅力的な機会を提供する。
しかし、既存の手法では、インタラクティブなセグメンテーションが生の3DGSシーンで開始する前に、シーンごとのセットアップ(通常は数秒か数分)に時間がかかる必要がある。
このセットアップには、マルチビューマスクの準備、マスクリフト、機能蒸留が含まれており、オンラインアプリケーションにとって大きなボトルネックとなっている。
この制限に対処するため,対話型3DGSセグメンテーションのセットアップステージを完全に排除し,セグメンテーション時間を1秒以下に維持することを目的としている。
本稿では,インタラクティブな3DGSセグメンテーションのための新しいセットアップフリーフレームワークであるSAGO(Segment Any Gaussians Online)を紹介する。
仮想ドローンを導入することで、マルコフプロセス内で構成されたオンラインNBV(Next-Best-View)計画タスクとして、3Dセグメンテーション問題を再構成する。
大規模な実験により、SAGOは3Dガウスアンから直接3Dアセットをサブ秒のレイテンシで抽出できることが示され、オブジェクト操作やシーン編集といった幅広い下流アプリケーションを可能にした。
さらに,従来のセットアップフリーな3DGSセグメンテーションフレームワークと比較して,50倍以上の高速化を実現している。
関連論文リスト
- Robust Prior-Guided Segmentation for Editable 3D Gaussian Splatting [6.290910602456353]
2Dセグメンテーションを3Dドメインに持ち上げる既存のアプローチは、視界の不整合と粗いマスクに悩まされている。
本稿では,Segment Anything Model High Qualityを利用して正確な2次元マスクを生成する新しいフレームワークを提案する。
提案手法は最先端のセグメンテーション精度を実現し,高視力を維持しながらインタラクティブなリアルタイムオブジェクト編集を可能にする。
論文 参考訳（メタデータ） (2026-05-15T15:29:30Z) - EmbodiedSplat: Online Feed-Forward Semantic 3DGS for Open-Vocabulary 3D Scene Understanding [66.80528512321106]
EmbodiedSplatは、オープン語彙シーン理解のためのオンラインフィードフォワード3DGSである。
目的は,1)300以上のストリーミング画像からシーン全体のセマンティック埋め込み3DGSをオンライン的に再構成すること,2)フィードフォワードデザインの新規シーンに高度に一般化することである。
論文 参考訳（メタデータ） (2026-03-04T16:40:41Z) - 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) - SAGOnline: Segment Any Gaussians Online [17.33447710659887]
3D Gaussian Splatting (3DGS) は、明示的な3Dシーン表現のための強力なパラダイムとして登場した。
現在の手法では, 計算コストの禁止, 空間的推論の制限, 複数物体の同時追跡が困難となっている。
Segment Any Gaussians Online (SAGOnline) はガウスシーンにおけるリアルタイム3Dセグメンテーションのための軽量でゼロショットのフレームワークである。
論文 参考訳（メタデータ） (2025-08-11T17:38:50Z) - On-the-fly Reconstruction for Large-Scale Novel View Synthesis from Unposed Images [48.8544345503807]
撮影直後にカメラのポーズと3DGSの訓練を行うためのオンザフライ方式を提案する。
本手法は,順序付き写真シーケンスと大規模シーンの高密度かつ広帯域なキャプチャを処理できる。
論文 参考訳（メタデータ） (2025-06-05T20:10:18Z) - Lifting by Gaussians: A Simple, Fast and Flexible Method for 3D Instance Segmentation [1.4307447044389736]
3次元ガウス散乱放射場(3DGS)のオープンワールドインスタンスセグメンテーションのための新しいアプローチを提案する。
提案手法は,2次元のセマンティックノベルビュー合成と3次元のアセット抽出結果に対して,優れたセマンティックセマンティックセグメンテーションを実現する。
論文 参考訳（メタデータ） (2025-01-31T21:30:59Z) - Click-Gaussian: Interactive Segmentation to Any 3D Gaussians [2.8461293457421957]
Click-Gaussian は2段階の粒度の区別可能な特徴場を学習する。
私たちのメソッドは、従来のメソッドの15～130倍の速さで、1クリックあたり10ミリ秒で動作します。
論文 参考訳（メタデータ） (2024-07-16T14:49:27Z) - 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) - SAM-guided Graph Cut for 3D Instance Segmentation [60.75119991853605]
本稿では,3次元画像情報と多視点画像情報の同時利用による3次元インスタンス分割の課題に対処する。
本稿では,3次元インスタンスセグメンテーションのための2次元セグメンテーションモデルを効果的に活用する新しい3D-to-2Dクエリフレームワークを提案する。
本手法は,ロバストなセグメンテーション性能を実現し,異なるタイプのシーンにまたがる一般化を実現する。
論文 参考訳（メタデータ） (2023-12-13T18:59:58Z) - Segment Any 3D Gaussians [85.93694310363325]
本稿では, 3次元ガウススプレイティング(3D-GS)に基づく高効率3Dプロンプト可能なセグメンテーション法であるSAGAについて述べる。
入力として2D視覚的プロンプトが与えられたとき、SAGAは対応する3Dターゲットを4ミリ秒以内に3Dガウスで表現できる。
我々は,SAGAが最先端の手法に匹敵する品質で,リアルタイムな多粒度セグメンテーションを実現することを示す。
論文 参考訳（メタデータ） (2023-12-01T17:15:24Z)
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。