論文の概要: LegoOcc++: Towards Consistent Open-Vocabulary 3D Occupancy Prediction
- arxiv url: http://arxiv.org/abs/2610.34093v1
- Date: Sun, 25 Oct 2026 06:44:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.533664
- Title: LegoOcc++: Towards Consistent Open-Vocabulary 3D Occupancy Prediction
- Title（参考訳）: LegoOcc++: 一貫性のあるオープン語彙の3D実行予測を目指す
- Abstract要約: オープンボキャブラリー3次元占有予測は、複雑な環境で動作しているエンボディエージェントにとって重要である。
本稿では,二元的占有ラベルのみを必要とする幾何学的監督設定を提案する。
また、我々のフレームワークを屋外の運転シナリオに拡張し、その一般性を評価する。
- 参考スコア（独自算出の注目度）: 12.60608820766928
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-vocabulary 3D occupancy prediction is important for embodied agents operating in complex environments whose semantic categories extend beyond fixed taxonomies. While recent studies have explored open-vocabulary occupancy in outdoor driving scenarios, indoor environments remain challenging due to dense occlusions, complex geometry, and fine-grained long-tailed semantics. To reduce the need for expensive voxel-level semantic annotations, we study a geometry-only supervision setting requiring only binary occupancy labels. We build upon Language-Embedded Gaussians as a unified representation coupling 3D geometry with language-aligned semantics. For geometry learning, we introduce an opacity-aware Poisson-based Gaussian-to-Occupancy formulation that enables stable volumetric aggregation under binary occupancy supervision. For semantic learning, we render Gaussian features into images and align them with a frozen open-vocabulary model, together with Progressive Temperature Decay to reduce feature mixing during Gaussian splatting. Building on this framework, we further introduce Instance-Level Semantic Consistency to alleviate fragmented object predictions, and Covisibility-Aware Support-View Selection to provide informative and less redundant multi-view semantic supervision. We also extend our framework to outdoor driving scenarios to evaluate its generality across substantially different environments. Extensive experiments on indoor and outdoor benchmarks demonstrate that our method achieves strong open-vocabulary occupancy performance, validating the effectiveness and generality of our framework. Code will be available at https://github.com/JuIvyy/LegoOcc.
- Abstract（参考訳）: オープン・ボキャブラリーの3D占有予測は、特定の分類域を超えて意味圏が広がる複雑な環境で機能するエンボディード・エージェントにとって重要である。
最近の研究では、屋外の運転シナリオにおけるオープン語彙の占有について研究されているが、密接な閉塞、複雑な幾何学、細かな長い尾のセマンティクスのために屋内環境は難しいままである。
高価なボクセルレベルのセマンティックアノテーションの必要性を低減するため、二元的占有ラベルのみを必要とする幾何学のみの監視設定について検討した。
我々は3次元幾何学と言語対応意味論を結合した統一表現として言語埋め込みガウシアンを構築した。
幾何学習には,ポアソンをベースとしたガウス・ツー・オッケナンシーの定式化を導入する。
セマンティックラーニングでは,ガウス的特徴を画像に描画し,凍結した開語彙モデルと整列させ,ガウス的スプラッティング時の特徴混合を低減する。
このフレームワークに基づいて、断片化されたオブジェクトの予測を緩和するインスタンスレベルセマンティック一貫性と、情報的かつ冗長でないマルチビューセマンティック監視を提供するコバイザビリティ・アウェア・サポート・ビュー選択をさらに導入する。
また、我々のフレームワークを屋外の運転シナリオに拡張し、その一般性を評価する。
室内および屋外のベンチマークによる大規模な実験により,本手法は高い開語彙占有性能を達成し,フレームワークの有効性と汎用性を検証した。
コードはhttps://github.com/JuIvyy/LegoOcc.comで入手できる。
関連論文リスト
- OVM-Occ: Open-Vocabulary Monocular Occupancy Prediction via Geometry-Aware Vision-Language Distillation [9.717465737643373]
屋内シーンにおける開語彙単分子占有予測について検討した。
OVM-Occ はガウス語をベースとした占領型フレームワークであり,実例対応の視覚言語教師である。
本手法は,屋内シーンの開語彙単分子占有予測における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-10-26T12:13:50Z) - CoGaussian: Open-Vocabulary Gaussian-based Collaborative 3D Scene Understanding [7.039615214156662]
協調的知覚により、エージェントは個々のエージェントの視野を越えてシーンの意味と幾何学を検索することができる。
オープン語彙ガウスに基づく協調意味的占有予測フレームワークであるCoGaussianについて述べる。
Semantic-OPV2Vベンチマークでは、既存のオープン語彙単一エージェントアプローチよりも優れています。
論文 参考訳（メタデータ） (2026-10-20T17:04:38Z) - Bridging 3D Gaussians and Semantic Occupancy for Comprehensive Open-Vocabulary Scene Understanding from Unposed Images [62.31892851760248]
COVSceneはポーズレスセマンティックガウスフレームワークで、レンダリング可能なプリミティブと密接なセマンティック占有フィールドを結合する。
我々は、COVSceneは、競争力のあるレンダリング品質を維持し、オープン語彙のセグメンテーションを改善し、自己教師付きベースラインよりも強力なセマンティック占有率予測を実現することを示す。
論文 参考訳（メタデータ） (2026-07-02T03:00:23Z) - 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) - LESV: Language Embedded Sparse Voxel Fusion for Open-Vocabulary 3D Scene Understanding [9.377694035678948]
本稿では,Sparse Voxel Rasterization (SVRaster) を構造的,不随伴な幾何学表現として活用する新しいフレームワークを提案する。
これにより、決定論的で信頼性に配慮した特徴登録プロセスが可能となり、3DGSに共通する意味的出血アーティファクトが抑制される。
提案手法は,Open Vocabulary 3D Object Retrieval と Point Cloud Understanding ベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-01T20:48:06Z) - Monocular Open Vocabulary Occupancy Prediction for Indoor Scenes [12.60608820766928]
オープン語彙の3D占有は、複雑な屋内環境を理解する必要があるエンボディエージェントにとって不可欠である。
二元的占有率ラベル(占有率対自由度)のみを使用する幾何学的監督パラダイムを提案する。
オープン語彙設定では59.50 IoU と 21.05 mIoU を達成し,既存の IoU の占有法を全て上回り,mIoU の広いマージンで先行したオープン語彙アプローチよりも優れていた。
論文 参考訳（メタデータ） (2026-02-26T06:37:43Z) - SegSplat: Feed-forward Gaussian Splatting and Open-Set Semantic Segmentation [114.57192386025373]
SegSplatは、高速でフィードフォワードな3D再構成とリッチでオープンなセマンティック理解のギャップを埋めるために設計された、新しいフレームワークである。
この研究は、意味的に認識された3D環境の実践的でオンザフライな生成に向けた重要なステップである。
論文 参考訳（メタデータ） (2025-11-23T10:26:38Z) - OpenInsGaussian: Open-vocabulary Instance Gaussian Segmentation with Context-aware Cross-view Fusion [89.98812408058336]
textbfOpenInsGaussian, textbfOpen-vocabulary textbfInstance textbfGaussian segmentation framework with Context-aware Cross-view Fusion。
OpenInsGaussianは、オープン語彙の3Dガウスのセグメンテーションにおける最先端の結果を達成し、既存のベースラインを大きなマージンで上回る。
論文 参考訳（メタデータ） (2025-10-21T03:24:12Z) - OccLE: Label-Efficient 3D Semantic Occupancy Prediction [68.60633561134571]
OccLEはラベル効率のよい3Dセマンティック動作予測である。
イメージとLiDARを入力として取り、限られたvoxelアノテーションでハイパフォーマンスを維持する。
実験の結果,OccLE は Voxel アノテーションの10% しか使用せず,競争性能が向上していることがわかった。
論文 参考訳（メタデータ） (2025-05-27T01:41:28Z) - EgoSplat: Open-Vocabulary Egocentric Scene Understanding with Language Embedded 3D Gaussian Splatting [108.15136508964011]
EgoSplatは、オープン・ボキャブラリ・エゴセントリック・シーン理解のための3Dガウス・スプレイティング・フレームワークである。
EgoSplatは2つのデータセット上のローカライゼーションタスクとセグメンテーションタスクの両方において、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-03-14T12:21:26Z)
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。