論文の概要: SplatScout: Query-Driven Part-Level Referring Segmentation in Gaussian Scenes

• arxiv url: http://arxiv.org/abs/2610.37098v1
• Date: Tue, 27 Oct 2026 12:02:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.265955
• Title: SplatScout: Query-Driven Part-Level Referring Segmentation in Gaussian Scenes
• Title（参考訳）: SplatScout: クエリ駆動のパートレベル参照セグメンテーション
• Abstract要約: SplatScoutは、クエリ駆動のクローズドループアプローチで、VLM制御下で知覚を配置する。 SplatScoutはビューを積極的に選択し、セグメンテーションを指示し、レンダリングされた3D結果を検査して予測を洗練します。
• 参考スコア（独自算出の注目度）: 11.3775971136971
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing referring segmentation methods on Gaussian scenes primarily target whole objects, relying on segmenter-generated candidates from which a vision-language model (VLM) selects. Such predetermined fixed candidates may omit fine-grained parts needed as targets or cues for identifying objects. We introduce SplatScout, a query-driven, closed-loop approach that places perception under VLM control. The model actively selects views, directs segmentation, and inspects rendered 3D results to refine its predictions. For part-level evaluation, we introduce PartRef-ScanNet++, comprising 261 manually verified queries across 12 ScanNet++ scenes with mesh-derived ground truth. On PartRef-ScanNet++, SplatScout achieves 0.538 mIoU, substantially outperforming existing methods. Ablations demonstrate the benefits of iterative refinement, while comparisons across VLM backbones highlight the importance of effective tool-feedback utilization. SplatScout also achieves higher scores on four existing referring benchmarks. Code and the PartRef-ScanNet++ benchmark are available at https://github.com/kaust-violab/SplatScout.
• Abstract（参考訳）: 既存のガウスシーンにおける参照セグメンテーション手法は主に、視覚言語モデル(VLM)が選択するセグメンタ生成候補に依存するオブジェクト全体を対象としている。 このような固定された候補は、対象物を特定するための目標や手がかりとして必要とされる細かい部分を省略することができる。 SplatScoutは、クエリ駆動のクローズドループアプローチで、VLM制御下で知覚を配置する。 モデルは、ビューを積極的に選択し、セグメンテーションを指示し、レンダリングされた3D結果を検査し、予測を洗練させる。 パートレベルの評価では、12のScanNet++シーンで261の検証済みクエリをメッシュ由来の基底真理で構成するPartRef-ScanNet++を紹介します。 PartRef-ScanNet++では、SplatScoutは0.538 mIoUを達成した。 アブレーションは反復的改善の利点を示し、VLMバックボーン間の比較は効果的なツールフィードバックの利用の重要性を強調している。 SplatScoutは、4つの既存の参照ベンチマークで高いスコアを得る。 CodeとPartRef-ScanNet++ベンチマークはhttps://github.com/kaust-violab/SplatScout.comで公開されている。

関連論文リスト

• ClusterSplat: Semantic Cluster Selection for 3D Visual Grounding in Gaussian Splatting [6.4983704646512095]
  ClusterSplatは、シーン適応型候補に対するクラスタレベルの選択と解釈することで、3Dターゲットの選択に対処する。 ScanReferでは、ClusterSplatが最高のレンダリングされた2Dセグメンテーションと明示的な3Dターゲットメトリクスを実現している。 ScanNet v2クラス名のクエリでは、ClusterSplatは最強のレンダリングされた2D結果と最も高い3Dマッチング精度を達成する。
  論文  参考訳（メタデータ） (2026-10-27T01:12:53Z)
• Discover, Segment, and Select: A Progressive Mechanism for Zero-shot Camouflaged Object Segmentation [40.66340261994875]
  textbfDSSは段階的にセグメンテーションを洗練するために設計されたプログレッシブフレームワークである。 複数のCOSベンチマーク、特に複数のインスタンスシーンで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） (2026-02-23T15:15:37Z)
• LaSSM: Efficient Semantic-Spatial Query Decoding via Local Aggregation and State Space Models for 3D Instance Segmentation [21.566771922153027]
  競争性能を維持しつつ、シンプルさと効率性を優先するLaSSMを紹介します。 また、問合せを段階的に洗練する座標誘導状態空間モデル(SSM)デコーダを提案する。 LaSSMは最新のScanNet++ V2リーダーボードで1位にランクインし、以前のベストメソッドよりも2.5% mAP、1/3 FLOPを上回っている。
  論文  参考訳（メタデータ） (2026-02-11T16:34:12Z)
• Reveal Hidden Pitfalls and Navigate Next Generation of Vector Similarity Search from Task-Centric Views [24.456069497637035]
  高次元空間におけるベクトル類似度探索(VSS)は,次世代データベースシステムにおけるコア機能として急速に発展しつつある。 最近のベンチマークでは、主に距離メトリクスのみによって定義された基本真実に対するリコールレイテンシトレードオフに基づいてVSSを評価している。 我々は、現実的なアプリケーションコンテキストにおけるVSSメソッドのエンドツーエンド評価のための総合ベンチマークスイートであるIcebergを紹介する。
  論文  参考訳（メタデータ） (2025-12-15T04:49:33Z)
• Temporal Prompting Matters: Rethinking Referring Video Object Segmentation [64.82333675385802]
  Referring Video Object (RVOS) は、クエリ文によって参照されるオブジェクトをビデオにセグメントすることを目的としている。 既存のほとんどの方法は、密集したマスクアノテーションによるエンドツーエンドのトレーニングを必要とする。 本稿では,参照要因とビデオ要因に対処するテンポラル・プロンプト生成・選択(テネ)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-08T17:59:57Z)
• LESS: Label-Efficient and Single-Stage Referring 3D Segmentation [55.06002976797879]
  参照3Dは、クエリの文で記述された3Dポイントクラウドから、指定されたオブジェクトのすべてのポイントをセグメントする視覚言語タスクである。 本稿では,LESSと呼ばれるレファレンス3次元パイプラインを提案する。 ScanReferデータセット上での最先端のパフォーマンスは、バイナリラベルのみを使用して、以前の3.7% mIoUの手法を上回ります。
  論文  参考訳（メタデータ） (2024-10-17T07:47:41Z)
• Ref-AVS: Refer and Segment Objects in Audio-Visual Scenes [11.575313825919205]
  参照音声・視覚的伝統(Ref-AVS)と呼ばれる新しいタスクを導入する。 Ref-AVSはマルチモーダルキューを含む式に基づいてオブジェクトをセグメント化する。 本稿では,マルチモーダルキューを適切に活用し,正確なセグメンテーションガイダンスを提供する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-15T17:54:45Z)
• What is Point Supervision Worth in Video Instance Segmentation? [119.71921319637748]
  ビデオインスタンスセグメンテーション(VIS)は、ビデオ内のオブジェクトを検出し、セグメンテーションし、追跡することを目的とした、難しいビジョンタスクである。 トレーニング中、ビデオフレーム内の各オブジェクトについて、人間のアノテーションを1点に減らし、完全に教師されたモデルに近い高品質なマスク予測を得る。 3つのVISベンチマークに関する総合的な実験は、提案フレームワークの競合性能を示し、完全に教師付きされた手法にほぼ一致する。
  論文  参考訳（メタデータ） (2024-04-01T17:38:25Z)
• Instance Segmentation in 3D Scenes using Semantic Superpoint Tree Networks [64.27814530457042]
  本稿では,シーンポイントからオブジェクトインスタンスを提案するセマンティックスーパーポイントツリーネットワーク(SSTNet)のエンドツーエンドソリューションを提案する。 SSTNetのキーは中間的セマンティックなスーパーポイントツリー(SST)であり、スーパーポイントの学習されたセマンティックな特徴に基づいて構築されている。 SSTNetはScanNet(V2)のリーダーボードで上位にランクされ、第2のベストメソッドよりもmAPが2%高い。
  論文  参考訳（メタデータ） (2021-08-17T07:25:14Z)
• Target-Aware Object Discovery and Association for Unsupervised Video Multi-Object Segmentation [79.6596425920849]
  本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。 より正確で効率的な時間区分のための新しいアプローチを紹介します。 DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-10T14:39:44Z)
• Locate then Segment: A Strong Pipeline for Referring Image Segmentation [73.19139431806853]
  参照画像セグメンテーションは、自然言語表現によって参照されるオブジェクトをセグメンテーションすることを目的とする。 従来の方法は、視覚言語機能を融合させ、最終的なセグメンテーションマスクを直接生成するための暗黙的および反復的な相互作用メカニズムの設計に焦点を当てています。 これらの問題に取り組むための「Then-Then-Segment」スキームを紹介します。 私たちのフレームワークはシンプルですが驚くほど効果的です。
  論文  参考訳（メタデータ） (2021-03-30T12:25:27Z)

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。