論文の概要: AOV-GS: Active Open-Vocabulary Semantic Mapping with 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.29374v1
• Date: Wed, 21 Oct 2026 08:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.283867
• Title: AOV-GS: Active Open-Vocabulary Semantic Mapping with 3D Gaussian Splatting
• Title（参考訳）: AOV-GS:3次元ガウススプラッティングを用いたアクティブオープン語彙意味マッピング
• Abstract要約: AOV-GSは、凍結基礎モデルを用いた探索をガイドするアクティブな3Dガウスマッピングシステムである。 Frozen SAMとCLIPは、マッピング全体を通してインスタンスマスクと言語対応の埋め込みを提供する。 軽量なシーン固有の言語フィールドは、収集されたCLIP埋め込みに直接オフラインでアタッチされる。
• 参考スコア（独自算出の注目度）: 0.7965327033045844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots deployed in human-centered environments need maps that support both geometric navigation and open-vocabulary semantic queries beyond a fixed label set. A key challenge is enriching such maps with semantic information without relying on manually annotated segmentation masks or closed-set semantic categories. Existing geometry-driven active mapping maximizes coverage but treats semantics as a passive by-product of the collected trajectory, whereas active semantic mapping typically depends on supervised semantic segmentation. We present AOV-GS, an active 3D Gaussian mapping system that guides exploration using frozen foundation models. During coarse exploration, AOV-GS re-ranks geometrically promising candidate views according to CLIP mask-embedding novelty computed from SAM instance segmentation, biasing exploration toward semantically informative regions. Frozen SAM and CLIP provide instance masks and language-aligned embeddings throughout mapping, while a lightweight scene-specific language field is fitted offline directly to the collected CLIP embeddings rather than manually annotated masks, enabling open-vocabulary text-query segmentation on novel views. In a controlled comparison using the same SAM-CLIP perception stack, AOV-GS improves average language-field mIoU over geometry-only active planning by 1.3 percentage points on Replica (34.6% on eight scenes) and by 1.8 points on Matterport3D (23.1% on five scenes). With CorrCLIP, AOV-GS reaches 35.6% on Replica, 2.0 points above the matched Geometry-based + CorrCLIP baseline. Novel-view PSNR remains comparable to the geometry-only baseline on both datasets while depth L1 improves on Replica. Code is available at https://github.com/OptimusFaber/AOV-GS.
• Abstract（参考訳）: 人間中心の環境にデプロイされるロボットは、固定されたラベルセットを超えた幾何学的ナビゲーションとオープン語彙的セマンティッククエリの両方をサポートするマップを必要とする。 重要な課題は、手動で注釈付きセグメンテーションマスクやクローズドセットのセグメンテーションカテゴリに頼ることなく、意味情報でそのようなマップを充実させることである。 既存の幾何学駆動のアクティブマッピングはカバレッジを最大化するが、セマンティックスを収集された軌跡の受動的副産物として扱うのに対し、アクティブなセマンティックマッピングは典型的には教師付きセマンティックセマンティックセマンティックセマンティックセマンティクスに依存する。 凍結基礎モデルを用いた探索をガイドするアクティブな3次元ガウスマッピングシステムであるAOV-GSを提案する。 粗い探索中、AOV-GSはSAMインスタンスのセグメンテーションから計算されたCLIPマスク埋め込みノベルティに基づいて、幾何学的に有望な候補ビューを再度ランク付けし、意味的な情報的領域への探索をバイアスする。 Frozen SAMとCLIPはマッピング全体を通じてインスタンスマスクと言語対応の埋め込みを提供するが、軽量のシーン特化言語フィールドは手動で注釈付けされたマスクではなく、収集したCLIP埋め込みに直接オフラインで適用され、新しいビューでオープン語彙のテキストクエリのセグメンテーションを可能にする。 同じSAM-CLIP認識スタックを用いた対照比較では、AOV-GSは幾何学のみのアクティブプランニングよりも平均言語フィールドmIoUをReplicaの1.3%(8シーンで34.6%)、Matterport3Dの1.8ポイント(5シーンで23.1%)改善している。 CorrCLIPでは、AOV-GSはReplicaで35.6%に達し、マッチしたGeometry-based + CorrCLIPベースラインより2.0ポイント高い。 ノベルビューPSNRは、両方のデータセットのジオメトリのみのベースラインに匹敵するが、Deep L1はReplicaで改善されている。 コードはhttps://github.com/OptimusFaber/AOV-GSで入手できる。

関連論文リスト

• SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
  推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。 既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。 明示的なWhat-whereインターフェースであるSeGDePを提示する。
  論文  参考訳（メタデータ） (2026-09-08T15:11:32Z)
• GeoSAM2: Unleashing the Power of SAM2 for 3D Part Segmentation [81.0871900167463]
  GeoSAM2は3次元部分分割のためのプロンプト制御可能なフレームワークである。 テクスチャのないオブジェクトが与えられた場合、事前に定義された視点から正規写像とポイントマップを描画する。 部品の選択をガイドするシンプルな2Dプロンプト(クリックやボックス)を受け入れます。 予測されたマスクはオブジェクトにバックプロジェクションされ、ビューに集約される。
  論文  参考訳（メタデータ） (2025-08-19T17:58:51Z)
• GLS: Geometry-aware 3D Language Gaussian Splatting [16.578191875763178]
  本稿では3DGSに基づく3次元表面再構成と開語彙分割の統一的な枠組みを提案する。 室内表面の再構成では,表面の正規化を幾何学的キューとして導入し,通常の誤差を用いて描画深度を最適化する。 3次元オープンボキャブラリセグメンテーションでは,2次元CLIP機能を用いてインスタンスの特徴をガイドし,表面の滑らかさを高め,DEVAマスクを用いて視界の整合性を維持する。
  論文  参考訳（メタデータ） (2024-11-27T05:21:34Z)
• Mask2Map: Vectorized HD Map Construction Using Bird's Eye View Segmentation Masks [9.113769643415868]
  本稿では,自動運転アプリケーション用に設計された,新しいエンドツーエンドのオンラインHDマップ構築手法であるMask2Mapを紹介する。 このアプローチでは、シーン内のマップインスタンスのクラスと順序付けられたポイントセットを予測することに重点を置いています。 Mask2Mapは、従来の最先端メソッドよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-07-18T13:48:52Z)
• LISNeRF Mapping: LiDAR-based Implicit Mapping via Semantic Neural Fields for Large-Scale 3D Scenes [2.822816116516042]
  大規模セマンティックマッピングは、屋外の自律エージェントが計画やナビゲーションといった高度なタスクを遂行するために不可欠である。 本稿では,提案するLiDAR測度のみでの暗黙的表現による大規模3次元意味再構築手法を提案する。
  論文  参考訳（メタデータ） (2023-11-04T03:55:38Z)
• Background Activation Suppression for Weakly Supervised Object Localization and Semantic Segmentation [84.62067728093358]
  弱教師付きオブジェクトローカライゼーションとセマンティックセグメンテーションは、画像レベルのラベルのみを使用してオブジェクトをローカライズすることを目的としている。 画素レベルのローカライゼーションを実現するために,フォアグラウンド予測マップを生成することで,新たなパラダイムが誕生した。 本稿では,物体の局在化学習過程に関する2つの驚くべき実験結果を示す。
  論文  参考訳（メタデータ） (2023-09-22T15:44:10Z)
• Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
  3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。 そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。 ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
  論文  参考訳（メタデータ） (2023-02-16T13:41:19Z)

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。