論文の概要: GHOST: Geometry-Constrained Hybrid Diffusion for Open-Vocabulary 3D Scene Graph Generation
- arxiv url: http://arxiv.org/abs/2610.16455v1
- Date: Mon, 12 Oct 2026 09:17:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 23:09:07.243397
- Title: GHOST: Geometry-Constrained Hybrid Diffusion for Open-Vocabulary 3D Scene Graph Generation
- Title（参考訳）: GHOST: 開語彙3次元シーングラフ生成のための幾何学制約付きハイブリッド拡散
- Abstract要約: 3次元シーングラフ生成には、オブジェクトの意味論と距離空間関係の両方を理解する必要がある。
開語彙3次元Scene graph generaTion のための幾何制約付きハイブリッド拡散フレームワーク GHOST を提案する。
- 参考スコア（独自算出の注目度）: 14.429204706453815
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: 3D scene graph generation requires understanding both object semantics and metric spatial relations. However, existing open-vocabulary methods often struggle with spatial predicates because language similarity reflects semantic co-occurrence rather than explicit geometry. We propose GHOST, a Geometry-constrained Hybrid diffusion framework for Open-vocabulary 3D Scene graph generaTion. GHOST jointly models continuous node geometry and discrete edge predicates, following a geometry-to-constraint-to-predicate denoising process to ensure geometrically consistent relation prediction. It introduces language-grounded constraint induction, which maps predicate embeddings to differentiable geometric constraints that guide both layout refinement and predicate reweighting. A Geometry-Topology Collaborative Denoiser further couples node and edge reasoning through noise-adaptive interaction and orientation-aware modeling. Experiments on 3DSSG demonstrate state-of-the-art performance in both closed-set and open-vocabulary settings, including over 17-point gains over RelationField on spatial predicates.
- Abstract（参考訳）: 3次元シーングラフ生成には、オブジェクトの意味論と距離空間関係の両方を理解する必要がある。
しかし、既存のオープン語彙法は、言語類似性は明示的な幾何学よりも意味的共起を反映しているため、しばしば空間述語と競合する。
開語彙3次元Scene graph generaTion のための幾何制約付きハイブリッド拡散フレームワーク GHOST を提案する。
GHOSTは連続ノード幾何と離散エッジ述語を共同でモデル化し、幾何的に一貫した関係予測を保証する。
これは、述語埋め込みを、レイアウトの洗練と述語再重み付けの両方を導く、微分可能な幾何学的制約にマッピングする言語基底制約誘導を導入している。
Geometry-Topology Collaborative Denoiserは、ノイズ適応相互作用と配向認識モデリングにより、ノードとエッジの推論をさらに結合する。
3DSSGの実験では、空間述語上のRelationFieldよりも17ポイント以上のゲインを含む、クローズドセットとオープンボキャブラリ設定の両方で最先端の性能を示す。
関連論文リスト
- Learning Propagation Geometry from Message-Passing Feedback [58.684834960683226]
GeoFは、メッセージパッシングフィードバックを通じてノード機能と伝搬幾何学を進化させる、反復的なフレームワークである。
ベンチマークデータセットの実験は、GeoFが最先端のGNNベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-09-28T09:22:49Z) - 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) - DeGenseGS: Geometrically and Semantically Decoupled Surgical Scene Understanding in 4D Gaussian Splatting [17.162560675768642]
既存のソリューションは、意味的特徴を幾何学的ワープに強く結合する厳密な結合スキームを通じて、ビジョン・ランゲージ・モデル(Vision-Language Models)を変形可能なフィールドに統合する。
意味的進化と幾何学的変形を独立にモデル化する新しいフレームワークである4D Splattingにおいて,DeGenseGS,Geometric Understandingally and Semantically Decoupled Sceneを提案する。
組織変形やトポロジ的遷移に拘わらず,空間的に連続的なセグメンテーションが可能である。
論文 参考訳（メタデータ） (2026-07-06T07:56:17Z) - OpenGaFF: Open-Vocabulary Gaussian Feature Field with Codebook Attention [80.51557267896938]
オープンな3Dシーン理解のための新しいフレームワークであるOpenGaFFについて述べる。
我々の手法の中核はガウス的特徴場であり、ガウス幾何学と外見の連続関数として意味論をモデル化する。
オブジェクトレベルのセマンティック一貫性をさらに強化するために、共有セマンティックプリミティブのセットとして機能する構造化コードブックを導入する。
論文 参考訳（メタデータ） (2026-05-07T12:10:07Z) - SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments [75.60795462502949]
SpaceEvoは3D空間推論のための自己進化型フレームワークである。
16の空間推論タスクカテゴリを明示的な幾何学的検証規則で定式化する。
注釈のない3Dシーンをゼロノイズのインタラクティブなオラクルに変換し、モデルコンセンサスを客観的な物理的フィードバックに置き換える。
論文 参考訳（メタデータ） (2026-04-15T17:59:12Z) - GeoGuide: Hierarchical Geometric Guidance for Open-Vocabulary 3D Semantic Segmentation [38.12499404546835]
オープンな3次元セグメンテーションのための階層的幾何-セマンティック整合性を統合するフレームワークであるGeoGuideを提案する。
具体的には,不確実性に基づくスーパーポイント蒸留モジュールを導入し,幾何学的特徴と意味的特徴を融合させる。
ScanNet v2、Matterport3D、nuScenesに関する実験は、GeoGuideの優れた性能を示している。
論文 参考訳（メタデータ） (2026-03-27T10:29:19Z) - 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) - GAP-MLLM: Geometry-Aligned Pre-training for Activating 3D Spatial Perception in Multimodal Large Language Models [70.61152292499737]
このギャップは、幾何学的事前の不足から生じるものではなく、訓練パラダイムの誤った調整から生じるものである、と我々は主張する。
既存のアプローチでは、通常、特徴の結合を示唆し、幾何学的な監督なしに下流のタスクを直接最適化する。
本稿では,下流適応前の構造知覚を明示的に活性化する幾何学的事前学習パラダイムであるGAP-MLLMを提案する。
論文 参考訳（メタデータ） (2026-03-17T12:43:48Z) - Dense Semantic Matching with VGGT Prior [49.42199006453071]
本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。
提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
論文 参考訳（メタデータ） (2025-09-25T14:56:11Z)
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。