論文の概要: DSG: Dynamic 3D Scene Graph Construction for Embodied Agents in Changing Indoor Environments

• arxiv url: http://arxiv.org/abs/2609.00619v1
• Date: Tue, 01 Sep 2026 03:03:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.24954
• Title: DSG: Dynamic 3D Scene Graph Construction for Embodied Agents in Changing Indoor Environments
• Title（参考訳）: DSG:屋内環境変化における身体的エージェントの動的3次元シーングラフ構築
• Authors: Ming Liao, Chao Ye, Jianing Fei, Weiyang Lin,
• Abstract要約: DSGは動的3次元シーングラフ構築フレームワークであり、オブジェクトの変化を検出し、空間的関係推論を行う。 Dyn-ThOR, 3RScan, 実世界のシーンにおける大規模な実験により、DSGは、オブジェクトノードの構築と空間関係推論の両方において、既存の手法よりも一貫して優れていることが示された。
• 参考スコア（独自算出の注目度）: 5.380279002475738
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In indoor environments, object positions frequently change due to human activities or embodied-agent interactions, causing previously constructed scene graphs to become inconsistent with the current scene. To address this issue, we propose DSG, a dynamic 3D scene graph construction framework that detects object changes and performs spatial relationship reasoning. First, we construct a semantic-aware 3D Gaussian scene representation and develop a dual-view rendering-based object change detection method to enable reliable scene graph node updates. Second, we propose a spatial relationship reasoning method that incorporates multi-granularity visual context, enabling a large language model to identify a richer set of interobject spatial relationships. Furthermore, we introduce DynTHOR, a dynamic indoor scene graph benchmark built on the AI2-THOR simulation platform for evaluating scene graph construction in dynamic environments. Extensive experiments on Dyn-THOR, 3RScan, and real-world scenes demonstrate that DSG consistently outperforms existing methods in both object node construction and spatial relationship reasoning, significantly improving the accuracy of dynamic scene graph construction.
• Abstract（参考訳）: 屋内環境では、人間の活動や身体とエージェントの相互作用によって物体の位置が頻繁に変化するため、以前構築されたシーングラフは現在のシーンと矛盾する。 そこで本研究では,オブジェクトの変化を検出し,空間関係推論を行う動的3次元シーングラフ構築フレームワークDSGを提案する。 まず、セマンティック・アウェアな3Dガウスシーン表現を構築し、信頼性の高いシーングラフノード更新を実現するために、デュアルビューレンダリングに基づくオブジェクト変更検出手法を開発する。 第二に、多粒度視覚コンテキストを組み込んだ空間関係推論手法を提案し、大規模言語モデルによりよりリッチなオブジェクト間空間関係を識別できるようにする。 さらに、動的環境におけるシーングラフ構築を評価するためのAI2-THORシミュレーションプラットフォーム上に構築された動的屋内シーングラフベンチマークDynTHORを紹介する。 Dyn-ThOR, 3RScan, 実世界のシーンに対する大規模な実験により、DSGはオブジェクトノード構築と空間関係推論の両方において既存の手法を一貫して上回り、動的シーングラフ構築の精度を大幅に向上することを示した。

関連論文リスト

• DGSG-Mind: Dynamic 3D Gaussian Scene Graphs for Long-Term Scene Understanding and Grounding [6.961193964556352]
  本稿では,DGSG-Mindについて述べる。DGSG-Mindは3次元ガウス動的シーングラフを具体化したハイブリッドなインスタンス認識型動的シーングラフシステムである。 DGSG-Mindは自己再構成マップ上で動作させる手法の中で最高のゼロショット3DVG性能が得られることを示す。 また、現実のロボットにDGSG-Mindを配置し、ターゲット指向の推論と動的更新機能を示す。
  論文  参考訳（メタデータ） (2026-05-28T13:04:17Z)
• GaussianGraph: 3D Gaussian-based Scene Graph Generation for Open-world Scene Understanding [20.578106363482018]
  本稿では,セマンティッククラスタリングとシーングラフ生成を統合し,3DGSに基づくシーン理解を強化する新しいフレームワークを提案する。 本稿では,シーンスケールや特徴分布に動的に対応し,特徴圧縮を回避する"Control-Follow"クラスタリング戦略を提案する。 2次元基礎モデルから抽出したオブジェクト属性と空間関係を統合することでシーン表現を充実させる。
  論文  参考訳（メタデータ） (2025-03-06T02:36:59Z)
• DENSER: 3D Gaussians Splatting for Scene Reconstruction of Dynamic Urban Environments [0.0]
  動的オブジェクトの表現を大幅に強化するフレームワークであるDENSERを提案する。 提案手法は最先端の手法を広いマージンで大幅に上回る。
  論文  参考訳（メタデータ） (2024-09-16T07:11:58Z)
• Dynamic Scene Understanding through Object-Centric Voxelization and Neural Rendering [57.895846642868904]
  オブジェクト中心学習が可能な動的シーンのための3次元生成モデルDynaVol-Sを提案する。 ボキセル化は、個々の空間的位置において、物体ごとの占有確率を推定する。 提案手法は2次元セマンティックな特徴を統合して3次元セマンティック・グリッドを作成し,複数の不整合ボクセル・グリッドを通してシーンを表現する。
  論文  参考訳（メタデータ） (2024-07-30T15:33:58Z)
• CommonScenes: Generating Commonsense 3D Indoor Scenes with Scene Graph Diffusion [83.30168660888913]
  シーングラフを対応する制御可能な3Dシーンに変換する完全生成モデルであるCommonScenesを提案する。 パイプラインは2つのブランチで構成されており、1つは変分オートエンコーダでシーン全体のレイアウトを予測し、もう1つは互換性のある形状を生成する。 生成されたシーンは、入力シーングラフを編集し、拡散モデルのノイズをサンプリングすることで操作することができる。
  論文  参考訳（メタデータ） (2023-05-25T17:39:13Z)
• 3D Dynamic Scene Graphs: Actionable Spatial Perception with Places, Objects, and Humans [27.747241700017728]
  動作可能な空間知覚のための統一表現として,3次元ダイナミックシーングラフを提案する。 3D Dynamic Scene Graphsは、計画と意思決定、人間とロボットのインタラクション、長期的な自律性、シーン予測に大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2020-02-15T00:46:32Z)

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。