論文の概要: Beyond Similarity Matching: Structured Reasoning for Open-Vocabulary Referring Segmentation in 3DGS

• arxiv url: http://arxiv.org/abs/2608.16103v1
• Date: Mon, 17 Aug 2026 04:48:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.541191
• Title: Beyond Similarity Matching: Structured Reasoning for Open-Vocabulary Referring Segmentation in 3DGS
• Title（参考訳）: 類似性マッチングを超えて: 3DGSにおける開語彙参照セグメンテーションのための構造化推論
• Abstract要約: 本稿では,言語誘導型ガウス原始選択のためのクエリ適応型ニューラル推論フレームワークであるQAGaussianを提案する。 クエリ条件付きマルチスケールガウススロットを、入力表現によって受容場が形成される微分可能な候補として学習する。 次に、言語条件付きエッジ重み付けを備えたリレーショナル・アウェア・スロットグラフを構築し、ターゲット参照、属性、部分全体、文脈的エビデンスを伝搬する。 47.2 Avg. mIoUと63.2 Avg. F1を達成し、最強の3DGS参照ベースラインを2.7 mIoUと2.9 F1ポイントで上回っている。
• 参考スコア（独自算出の注目度）: 7.483297048216368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-vocabulary referring segmentation in 3D Gaussian Splatting (3DGS) requires a neural model to select Gaussian primitives according to free-form language expressions. Existing 3DGS-based methods usually rely on global text-region similarity, which is weak for queries involving attributes, reference objects, spatial relations, and fine-grained parts. This often causes target-reference confusion, granularity mismatch, part-whole leakage, and relation violations. We propose QAGaussian, a query-adaptive neural reasoning framework for language-guided Gaussian primitive selection. QAGaussian first learns query-conditioned multi-scale Gaussian slots as differentiable candidates whose receptive fields are shaped by the input expression. It then builds a relation-aware slot graph with language-conditioned edge weighting to propagate target-reference, attribute, part-whole, and contextual evidence. A granularity-adaptive router softly combines region-level, object-level, part-level, attribute-aware, and relation-aware mask branches, followed by relation-constrained refinement for spatial, part-whole, attribute, and geometric consistency. QAGaussian is pretrained only on Mosaic3D-5.6M for Gaussian-text alignment and evaluated on independent benchmarks without target-dataset fine-tuning. It achieves 47.2 Avg. mIoU and 63.2 Avg. F1, outperforming the strongest 3DGS referring baseline by 2.7 mIoU points and 2.9 F1 points. It also improves Part-mIoU from 38.6 to 43.4, Rel-mIoU from 44.4 to 50.8, and reduces target-reference confusion from 10.8 to 7.4. These results demonstrate that query-conditioned slot learning, relation-aware graph reasoning, and adaptive routing provide an effective neural modeling strategy for open-vocabulary referring segmentation in 3DGS. The code is available at https://github.com/zqeslwyz/QAGaussian.
• Abstract（参考訳）: 3Dガウススプラッティング(3DGS)におけるセグメンテーションを参照するオープン語彙は、自由形式の言語表現に従ってガウス原始体を選択する神経モデルを必要とする。 既存の3DGSベースの手法は通常、グローバルなテキスト領域の類似性に依存しており、属性、参照オブジェクト、空間関係、きめ細かい部分を含むクエリには弱い。 これはしばしば、ターゲット参照の混乱、粒度のミスマッチ、部分リーク、関係違反を引き起こす。 本稿では,言語誘導型ガウス原始選択のためのクエリ適応型ニューラル推論フレームワークであるQAGaussianを提案する。 QAGaussianはまず、クエリ条件付きマルチスケールガウススロットを、入力表現によって受容場が形成される微分可能な候補として学習する。 次に、言語条件付きエッジ重み付けを備えたリレーショナル・アウェア・スロットグラフを構築し、ターゲット参照、属性、部分全体、文脈的エビデンスを伝搬する。 粒度適応型ルータは、領域レベル、オブジェクトレベル、部分レベル、属性認識、および関係対応マスクブランチをソフトに結合し、続いて空間、部分全体、属性、幾何学的整合性に対する関係制約付き改善を行う。 QAGaussian はガウス文字アライメントのために Mosaic3D-5.6M で事前訓練され、ターゲット・データセットの微調整なしに独立したベンチマークで評価される。 47.2Avg。 mIoUと63.2Avg。 F1は最強の3DGS参照ベースラインを2.7mIoUポイントと2.9F1ポイントで上回っている。 また、Part-mIoUを38.6から43.4に改善し、Rel-mIoUを44.4から50.8に改善し、ターゲット参照の混乱を10.8から7.4に低減した。 これらの結果は,クエリ条件付きスロット学習,関係対応グラフ推論,適応ルーティングが,3DGSにおけるオープン語彙参照セグメンテーションに有効なニューラルモデリング戦略を提供することを示す。 コードはhttps://github.com/zqeslwyz/QAGaussian.comで公開されている。

関連論文リスト

• Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
  3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。 本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
  論文  参考訳（メタデータ） (2026-08-16T09:43:50Z)
• Relation-Centric Open-Vocabulary 3D Gaussian Segmentation [31.791638071734337]
  PairGSはガウシアンセグメンテーションを、ガウシアン間のペア関係をモデル化するフレームワークである。 オープンボキャブラリーな3Dガウスのセグメンテーションベンチマークでは最先端の結果が得られ、高速な変種は最適化ベースのインスタンス機能アプローチよりも50倍高速である。
  論文  参考訳（メタデータ） (2026-07-01T16:23:41Z)
• ULF-Loc: Unbiased Landmark Feature for Robust Visual Localization with 3D Gaussian Splatting [14.25287150227726]
  我々は、偏りのある特徴最適化を幾何重み付き特徴融合に置き換える、偏見のない特徴フレームワークであるULF-Locを提案する。 Cambridge Landmarksのデータセットでは、ULF-Locは最先端と比較して平均中央値の翻訳誤差を17%削減している。
  論文  参考訳（メタデータ） (2026-05-06T10:30:50Z)
• NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
  3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:14:07Z)
• 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)
• GraphGSOcc: Semantic-Geometric Graph Transformer with Dynamic-Static Decoupling for 3D Gaussian Splatting-based Occupancy Prediction [2.3239379129613535]
  GraphGSOccは、意味グラフと幾何学グラフを組み合わせ、動的静的オブジェクトを分離する新しいフレームワークである。 SurroundOcc-nuScenes、Occ3D-nuScenes、OpenOcc、KITTIの占有ベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-06-13T06:09:57Z)
• FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
  3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。 従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。 本稿では3DGSの弾性推論手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T17:17:57Z)
• CAGS: Open-Vocabulary 3D Scene Understanding with Context-Aware Gaussian Splatting [18.581169318975046]
  3D Gaussian Splatting (3DGS) はシーン再構築のための強力な表現を提供するが、相互視の粒度の不整合は問題である。 空間コンテキストを3DGSに組み込んだ新しいフレームワークCAGSを提案する。 CAGSは3Dインスタンスのセグメンテーションを大幅に改善し、LERF-OVSやScanNetといったデータセットのフラグメンテーションエラーを低減する。
  論文  参考訳（メタデータ） (2025-04-16T09:20:03Z)
• ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
  3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。 一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。 本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
  論文  参考訳（メタデータ） (2024-08-20T14:49:14Z)
• GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane [53.388937705785025]
  3Dオープンボキャブラリのシーン理解は、拡張現実とロボット応用の推進に不可欠である。 GOIは2次元視覚言語基礎モデルから3次元ガウススプラッティング(3DGS)に意味的特徴を統合するフレームワークである。 提案手法では,特徴空間内の超平面分割として特徴選択処理を扱い,クエリに関連性の高い特徴のみを保持する。
  論文  参考訳（メタデータ） (2024-05-27T18:57:18Z)

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。