論文の概要: Seed2GS: Camera-Free, Training-Free Object Extraction from 3D Gaussian Scenes via a Single Reference-View Grounding

• arxiv url: http://arxiv.org/abs/2608.11928v1
• Date: Wed, 12 Aug 2026 11:16:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.560814
• Title: Seed2GS: Camera-Free, Training-Free Object Extraction from 3D Gaussian Scenes via a Single Reference-View Grounding
• Title（参考訳）: Seed2GS: 単一の参照ビューグラウンドによる3次元ガウスシーンからのカメラフリー・トレーニングフリーオブジェクト抽出
• Abstract要約: 本稿では,LERF-MASKの精度が最も高いSeed2GSについて述べる。 主な洞察は、ターゲットIDを3Dカバレッジから分離することである。QD-SAM3は、複数のオープン語彙候補から信頼できる参照マスクを1つ選択し、IDを一度修正する。
• 参考スコア（独自算出の注目度）: 14.67251680492843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting a target object from a pre-built 3D Gaussian Splatting (3DGS) scene enables interactive 3D editing. Existing methods either train for tens of minutes per scene, sacrifice accuracy, or require original reconstruction cameras that pre-built assets may not include. We present Seed2GS, which achieves the highest reported LERF-MASK accuracy without original reconstruction cameras or scene-specific representation training. Its key insight is to separate target identity from 3D coverage. QD-SAM3 selects one reliable reference mask from several open-vocabulary candidates, fixing identity once. Seed lift and visibility-adaptive virtual orbits then expose the object from new viewpoints, while tracking propagates the seed without repeated detection. Because the scene remains frozen, these masks supervise only one temporary foreground logit per Gaussian. On LERF-MASK, Seed2GS reaches 92.1% mean intersection over union (mIoU) with a measured compute-only latency of 9.3 seconds, 3.7 points above the strongest scene-trained baseline and 7.6 points above the closest camera-free baseline. With one fixed test reference per scene, the complete pipeline retains 91.1% mIoU; replacing its predicted seed with a ground-truth mask improves mIoU by only 0.72 points. On 3D-OVS, Seed2GS reaches 95.7% mIoU.
• Abstract（参考訳）: プリビルドされた3Dガウススプレイティング(3DGS)シーンから対象物を抽出することで、インタラクティブな3D編集を可能にする。 既存の方法は、シーン毎の数十分間のトレーニング、精度の犠牲、またはプレビルドされた資産が含まないオリジナルのリコンストラクションカメラを必要とする。 本稿では,LERF-MASKの精度が最も高いSeed2GSについて述べる。 その重要な洞察は、ターゲットのアイデンティティを3Dカバレッジから分離することだ。 QD-SAM3は複数のオープン語彙候補から1つの信頼できる参照マスクを選択し、アイデンティティを一度固定する。 シードリフトと視界に適応した仮想軌道は、新しい視点から物体を露出させ、追跡は繰り返し検出することなく種子を伝播させる。 シーンは凍結されているため、これらのマスクはガウシアン1人当たりの一時的な前景のロジットを監督するのみである。 LERF-MASKでは、Seed2GSは92.1%の平均交点(mIoU)に達し、計算専用レイテンシは9.3秒、最強のシーントレーニングベースラインは3.7ポイント、カメラフリーベースラインは7.6ポイントである。 1シーンあたり1回の固定試験基準で、完全なパイプラインは91.1% mIoUを維持し、予測された種子を地表面のマスクで置き換えることで、mIoUをわずか0.72ポイント改善する。 3D-OVSでは、Seed2GSは95.7% mIoUに達する。

関連論文リスト

• ACEsplat: Accelerated 3D Gaussian Scene Regression via RGB and Poses Only [4.0553083073432]
  本稿では,RGB画像とカメラポーズのみから3次元ガウス表現を再構成する,シーンごとの高速最適化フレームワークACEsplatを提案する。 静的なレンダリングでは、ACEsplatはリアルタイムSLAMポーズでWayspotsで29.11dB PSNR、SfM修正ポーズでCambridge Landmarksで33.20dBを達成した。
  論文  参考訳（メタデータ） (2026-06-20T15:16:24Z)
• GeoSAM-3D: Geodesic Prompt Propagation for Open-Vocabulary 3D Scene Segmentation from Monocular Video [1.5229257192293202]
  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。
  論文  参考訳（メタデータ） (2026-05-30T00:34:37Z)
• 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)
• 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)
• SHeaP: Self-Supervised Head Geometry Predictor Learned via 2D Gaussians [63.38733349131787]
  モノクロ画像とビデオからの頭部の3次元再構成は、多くの視覚的応用の根底にある。 従来の手法は、豊富な2Dビデオから自己監督的な方法で学習しようとしてきた。 SHeaP (Self-supervised Head Geometry Predictor Learned through 2D Gaussian)を提案する。
  論文  参考訳（メタデータ） (2025-04-16T17:55:02Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• PickScan: Object discovery and reconstruction from handheld interactions [99.99566882133179]
  シーンの3次元表現を再構成する対話誘導型クラス依存型手法を開発した。 我々の主な貢献は、操作対象のインタラクションを検出し、操作対象のマスクを抽出する新しいアプローチである。 相互作用ベースとクラス非依存のベースラインであるCo-Fusionと比較すると、これはシャムファー距離の73%の減少に相当する。
  論文  参考訳（メタデータ） (2024-11-17T23:09:08Z)
• 3D Audio-Visual Segmentation [52.34970001474347]
  ロボット工学やAR/VR/MRに様々な応用がある。 本稿では,事前学習した2次元オーディオ視覚基盤モデルから,使用可能な知識を統合することで特徴付ける新しいアプローチであるEchoSegnetを提案する。 実験により、EchoSegnetは、私たちの新しいベンチマークで、3D空間の音声オブジェクトを効果的にセグメント化できることが実証された。
  論文  参考訳（メタデータ） (2024-11-04T16:30:14Z)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• Gamba: Marry Gaussian Splatting with Mamba for single view 3D reconstruction [153.52406455209538]
  Gambaは、単一のビューイメージからエンドツーエンドの3D再構成モデルである。 1つのNVIDIA A100 GPUで0.05秒以内に再構築が完了する。
  論文  参考訳（メタデータ） (2024-03-27T17:40:14Z)
• BCOT: A Markerless High-Precision 3D Object Tracking Benchmark [15.8625561193144]
  実動物体の正確な3次元ポーズを推定するためのマルチビュー手法を提案し, 両眼データを用いてモノクロテクスチャレス3次元物体追跡のための新しいベンチマークを構築した。 オブジェクト中心モデルに基づいて、すべてのビューにおいて形状再投影制約を最小化することにより、オブジェクトのポーズを協調的に最適化する。 新しいベンチマークデータセットには、20のテクスチャレスオブジェクト、22のシーン、404の動画シーケンス、126Kの画像が含まれています。
  論文  参考訳（メタデータ） (2022-03-25T03:55:03Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)

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。