論文の概要: OV-Foam: How 3D Representations Shape Semantic Feature Lifting

• arxiv url: http://arxiv.org/abs/2610.28131v1
• Date: Tue, 20 Oct 2026 12:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.818325
• Title: OV-Foam: How 3D Representations Shape Semantic Feature Lifting
• Title（参考訳）: OV-Foam:3D表現のセマンティックな特徴リフティング
• Abstract要約: OV-Foamは、シーンを分割するためにパワーダイアグラムを使用する表現であり、結果としてプリミティブ間の重複がゼロになり、光線当たりのプリミティブが大幅に減少する。 我々は, OV-Foam の空間分割プリミティブがほぼ最適に割り当てられることを示し, ガウス基底線上の開語彙セグメンテーションの改善を実証した。
• 参考スコア（独自算出の注目度）: 46.577761641040375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing feature lifting approaches for open-vocabulary segmentation rely on simple backprojection to assign features to primitives. In the case of 3D Gaussian splatting reconstruction, the primitives overlap heavily, leading to suboptimal reconstructions, governed by many primitives per ray. Backprojection, however, reduces to a least-squares solvable problem, exactly when no two primitives share a ray. Motivated by this insight, we propose OV-Foam, which uses PowerFoam as the underlying representation. This representation uses a power-diagram to partition the scene, resulting in zero overlap between primitives and a substantial reduction in primitives per ray, which ultimately simplifies the lifting problem and allows for closer-to-optimal feature assignment. We show that the space partitioning primitives of OV-Foam reach near-optimal assignment, and our experiments demonstrate improved open-vocabulary segmentation over Gaussian baselines.
• Abstract（参考訳）: オープン語彙セグメンテーションのための既存のフィーチャーリフトアプローチは、プリミティブに機能を割り当てるための単純なバックプロジェクションに依存している。 3D Gaussian splatting reconstructionの場合、プリミティブは重なり合っており、光線当たりのプリミティブによって統治される最適下層再構築につながった。 しかし、バックプロジェクションは、2つのプリミティブが光線を共有しない場合に、最小2乗解決可能な問題に還元される。 そこで本研究では,PowerFoamをベースとしたOV-Foamを提案する。 この表現は、シーンを分割するためにパワーダイアグラムを使用するため、プリミティブ間の重複がゼロになり、1光線あたりのプリミティブが大幅に減少する。 我々は, OV-Foam の空間分割プリミティブがほぼ最適に割り当てられることを示し, ガウス基底線上の開語彙セグメンテーションの改善を実証した。

関連論文リスト

• SpatialSplat: Efficient Semantic 3D from Sparse Unposed Images [45.82938095959514]
  冗長性を意識したガウス語を生成するフィードフォワードフレームワークである textbfSpatialSplat を紹介する。 本研究では,シーン表現パラメータの60%削減を図り,最先端手法よりも優れた性能を実現した。
  論文  参考訳（メタデータ） (2025-05-29T03:40:52Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• Geometric Algebra Planes: Convex Implicit Neural Volumes [70.12234371845445]
  GA-Planes はスパース低ランク係数と低分解能行列と等価であることを示す。 また,GA-Planeは既存の表現にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T18:21:58Z)

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。