論文の概要: OpenSplatGraph: From Dense Semantic Maps to Structured Scene Graphs for Open-Vocabulary Robot Perception
- arxiv url: http://arxiv.org/abs/2610.07569v1
- Date: Tue, 06 Oct 2026 00:58:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.739347
- Title: OpenSplatGraph: From Dense Semantic Maps to Structured Scene Graphs for Open-Vocabulary Robot Perception
- Title（参考訳）: OpenSplatGraph: 複雑なセマンティックマップからオープン語彙ロボット知覚のための構造化されたシーングラフへ
- Abstract要約: 本稿では,オンラインのオープン語彙セマンティックマップから直接,永続的な3Dシーングラフを構築する統一フレームワークOpenSplatGraphを提案する。
永続的なオブジェクト中心表現と密接なセマンティックマッピングを密結合することにより、言語誘導オブジェクト基底と構造的リレーショナル推論の両方をサポートする。
- 参考スコア（独自算出の注目度）: 24.42592879683042
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dense 3D mapping with semantic understanding is essential for robotic perception in complex environments. Recent 3D Gaussian Splatting-based mapping approaches enable high-fidelity geometry and efficient open-vocabulary perception, but typically represent semantics as unstructured feature fields that limit object-centric reasoning. In contrast, 3D scene graphs explicitly model objects and their relationships for structured reasoning, but are commonly constructed from sparse geometric representations that do not fully exploit dense semantic maps. In this work, we present OpenSplatGraph, a unified framework that constructs persistent 3D scene graphs directly from an online Gaussian-based open-vocabulary semantic map. The proposed framework augments the dense semantic map with a reliability-aware semantic field that maintains lightweight observation statistics for confidence-aware, query-conditioned object extraction. Extracted object instances are associated with persistent graph nodes, allowing object attributes and relationships to be incrementally updated across observations and queries. By tightly coupling dense semantic mapping with persistent object-centric representations, our framework supports both language-guided object grounding and structured relational reasoning while preserving the geometric fidelity of Gaussian-based mapping. Comprehensive evaluations on standard 3D scene understanding benchmarks and real-world robotic experiments demonstrate that OpenSplatGraph achieves competitive performance for online open-vocabulary perception and downstream robotic tasks. Project page: https://csiro-robotics.github.io/OpenSplatGraph.
- Abstract（参考訳）: 複雑な環境下でのロボット知覚には意味理解を伴うDense 3Dマッピングが不可欠である。
最近の3次元ガウススプラッティングに基づくマッピング手法は、高忠実度幾何と効率的な開語彙知覚を可能にするが、典型的には、対象中心の推論を制限する非構造的特徴体として意味論を表現する。
対照的に、3Dシーングラフは対象とその構造的推論の関係を明示的にモデル化するが、密接なセマンティックマップを完全に活用しない疎い幾何学的表現から構築されるのが一般的である。
本研究では,オンラインガウスをベースとしたオープン語彙セマンティックマップから直接,永続的な3次元シーングラフを構築する統一フレームワークOpenSplatGraphを提案する。
提案フレームワークは,信頼度を考慮したクエリ条件付きオブジェクト抽出のための軽量な観測統計情報を保持する信頼性を考慮したセマンティックフィールドを用いて,高密度セマンティックマップを強化する。
抽出されたオブジェクトインスタンスは永続的なグラフノードに関連付けられており、オブジェクト属性とリレーションシップを観察やクエリにわたってインクリメンタルに更新することができる。
永続的対象中心表現と密密なセマンティックマッピングを密結合させることにより,ガウス写像の幾何学的忠実性を維持しつつ,言語誘導オブジェクト基底と構造的関係推論の両方をサポートする。
標準的な3Dシーン理解ベンチマークと実世界のロボット実験に関する総合的な評価は、OpenSplatGraphがオンラインのオープン語彙認識と下流ロボットタスクの競争性能を達成することを示した。
プロジェクトページ: https://csiro-robotics.github.io/OpenSplatGraph。
関連論文リスト
- GraphWrit3R: End-to-End 3D Scene Graph Writing [55.64871017816196]
3Dシーングラフは、オブジェクト、それらの意味的属性、それらの間の関係を符号化することで、複雑な環境の構造化された表現を提供する。
3次元シーングラフ生成の現在のアプローチは、いくつかの基本的な制限に悩まされている。
GraphWrit3Rは,3Dポイントクラウドを利用するシンプルなエンドツーエンドの手法で,シーンを構造化スクリプトとして直接出力する。
論文 参考訳（メタデータ） (2026-09-25T17:52:39Z) - Beyond Isolated Objects: Relationship-aware Open Vocabulary Scene Understanding via 3D Scene Graph Analysis [59.527737790821305]
本稿では,3次元シーングラフを用いてオープンな3次元理解を促進する関係認識フレームワークを提案する。
本手法は,物体関係の推測に視覚言語推論を活用することで,多視点観測からリレーショナルシーングラフを構築する。
ScanNetV2、ScanNet200、ScanNet$++$、Replicaの実験は、強力なパフォーマンスと一般化能力を示している。
論文 参考訳（メタデータ） (2026-07-06T17:29:49Z) - SceneGraphGrounder: Zero-Shot 3D Visual Grounding via Structured Scene Graph Matching [2.4737219202679808]
SceneGrapherは,再構成された3次元シーングラフ上の構造化グラフマッチングとして3次元グラウンドを再構成するフレームワークである。
我々は,移動ロボットによる実世界展開によるフレームワークの実証を行い,長距離物理環境における堅牢な空間推論を実証した。
論文 参考訳（メタデータ） (2026-05-20T22:30:51Z) - ReLaGS: Relational Language Gaussian Splatting [20.136674901612334]
本稿では,階層型言語で区切られたガウシアンシーンと,シーン固有の訓練を伴わない3Dセマンティックシーングラフを構築する新しいフレームワークを提案する。
この階層の上に、視覚言語由来のアノテーションとグラフニューラルネットワークに基づくリレーショナル推論を備えたオープンな3Dシーングラフを構築します。
本手法は,階層的セマンティクスとオブジェクト間の相互関係を共同でモデル化することにより,効率的でスケーラブルな3次元推論を可能にする。
論文 参考訳（メタデータ） (2026-03-18T11:18:23Z) - RAZER: Robust Accelerated Zero-Shot 3D Open-Vocabulary Panoptic Reconstruction with Spatio-Temporal Aggregation [10.067978300536486]
我々は,GPUで加速した幾何再構成をオープン語彙の視覚言語モデルとシームレスに統合するゼロショットフレームワークを開発した。
トレーニングフリーシステムは、インクリメンタル処理と統合幾何系列更新により、優れた性能を実現する。
論文 参考訳（メタデータ） (2025-05-21T11:07:25Z) - Training-Free Hierarchical Scene Understanding for Gaussian Splatting with Superpoint Graphs [16.153129392697885]
ガウス原始体から直接スーパーポイントグラフを構築する訓練自由フレームワークを導入する。
スーパーポイントグラフはシーンを空間的にコンパクトでセマンティックなコヒーレントな領域に分割し、ビュー一貫性の3Dエンティティを形成する。
提案手法は,30時間以上のセグメンテーションを高速化し,最先端のオープン語彙セグメンテーション性能を実現する。
論文 参考訳（メタデータ） (2025-04-17T17:56:07Z) - 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) - ConceptGraphs: Open-Vocabulary 3D Scene Graphs for Perception and
Planning [125.90002884194838]
ConceptGraphsはオープンな3Dシーン用のグラフ構造化表現である。
2Dファウンデーションモデルを活用し、マルチビューアソシエーションによってアウトプットを3Dに融合することで構築される。
我々は,この表現の有用性を,下流の計画タスクを通じて実証する。
論文 参考訳（メタデータ） (2023-09-28T17:53:38Z) - Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。
提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。
提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
論文 参考訳（メタデータ） (2023-05-04T11:32:16Z) - Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions [94.17683799712397]
我々は、グラフ内のシーンのエンティティを整理するデータ構造であるシーングラフに焦点を当てる。
本研究では,シーンの点雲からシーングラフを回帰する学習手法を提案する。
本稿では,3D-3Dおよび2D-3Dマッチングの中間表現としてグラフが機能するドメインに依存しない検索タスクにおける本手法の適用について述べる。
論文 参考訳（メタデータ） (2020-04-08T12:25:25Z)
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。