计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月26日
]
标题: PanSt3R:多视角一致的全景分割
标题: PanSt3R: Multi-view Consistent Panoptic Segmentation
摘要: 3D场景的全景分割,涉及对场景密集3D重建中的物体实例进行分割和分类,是一个具有挑战性的问题,尤其是在仅依赖未定位的2D图像时。现有的方法通常利用现成的模型提取每帧的2D全景分割,然后优化一个隐式几何表示(通常基于NeRF)以整合和融合2D预测。我们认为,对于一个本质上是3D且多视角的问题,依赖2D全景分割可能是次优的,因为它未能充分利用跨视角的空间关系。除了需要相机参数外,这些方法还为每个场景需要计算昂贵的测试时优化。相反,在这项工作中,我们提出了一种统一且集成的方法PanSt3R,通过在一次前向传递中联合预测3D几何和多视角全景分割,消除了测试时优化的需要。我们的方法建立在最近的3D重建进展之上,特别是MUSt3R,这是DUSt3R的一个可扩展的多视角版本,并通过语义意识和多视角全景分割能力对其进行增强。我们还重新审视了标准的后处理掩码合并过程,并引入了一种更系统化的多视角分割方法。我们还介绍了一种基于PanSt3R和普通3DGS预测生成新视角预测的简单方法。总体而言,所提出的PanSt3R在概念上简单,但快速且可扩展,在多个基准测试中达到了最先进性能,同时比现有方法快几个数量级。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.