Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21348

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.21348 (cs)
[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

Authors:Lojze Zust, Yohann Cabon, Juliette Marrie, Leonid Antsfeld, Boris Chidlovskii, Jerome Revaud, Gabriela Csurka
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。
摘要: Panoptic segmentation of 3D scenes, involving the segmentation and classification of object instances in a dense 3D reconstruction of a scene, is a challenging problem, especially when relying solely on unposed 2D images. Existing approaches typically leverage off-the-shelf models to extract per-frame 2D panoptic segmentations, before optimizing an implicit geometric representation (often based on NeRF) to integrate and fuse the 2D predictions. We argue that relying on 2D panoptic segmentation for a problem inherently 3D and multi-view is likely suboptimal as it fails to leverage the full potential of spatial relationships across views. In addition to requiring camera parameters, these approaches also necessitate computationally expensive test-time optimization for each scene. Instead, in this work, we propose a unified and integrated approach PanSt3R, which eliminates the need for test-time optimization by jointly predicting 3D geometry and multi-view panoptic segmentation in a single forward pass. Our approach builds upon recent advances in 3D reconstruction, specifically upon MUSt3R, a scalable multi-view version of DUSt3R, and enhances it with semantic awareness and multi-view panoptic segmentation capabilities. We additionally revisit the standard post-processing mask merging procedure and introduce a more principled approach for multi-view segmentation. We also introduce a simple method for generating novel-view predictions based on the predictions of PanSt3R and vanilla 3DGS. Overall, the proposed PanSt3R is conceptually simple, yet fast and scalable, and achieves state-of-the-art performance on several benchmarks, while being orders of magnitude faster than existing methods.
评论: 被ICCV 2025接收
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.21348 [cs.CV]
  (或者 arXiv:2506.21348v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21348
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Lojze Žust [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 15:02:00 UTC (32,481 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号