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:2506.22799v1

帮助 | 高级搜索

计算机科学 > 图形学

arXiv:2506.22799v1 (cs)
[提交于 2025年6月28日 ]

标题: VoteSplat:霍夫投票高斯点云投影用于三维场景理解

标题: VoteSplat: Hough Voting Gaussian Splatting for 3D Scene Understanding

Authors:Minchao Jiang, Shunyu Jia, Jiaming Gu, Xiaoyuan Lu, Guangming Zhu, Anqi Dong, Liang Zhang
摘要: 3D高斯点云(3DGS)已成为高质量、实时渲染的新视角合成3D场景的强力工具。 然而,现有方法主要关注几何和外观建模,缺乏更深层次的场景理解,同时带来了高昂的训练成本,这使得原本简化的可微分渲染流程变得复杂。 为此,我们提出了VoteSplat,一种新颖的3D场景理解框架,该框架将霍夫投票与3DGS相结合。 具体来说,使用分割一切模型(SAM)进行实例分割,提取物体并生成2D投票图。 然后我们将空间偏移向量嵌入到高斯基元中。 这些偏移通过将其与2D图像投票相关联来构建3D空间投票,而深度失真约束则在深度轴上细化定位。 对于开放词汇物体定位,VoteSplat通过投票点将2D图像语义映射到3D点云,降低了与高维CLIP特征相关的训练成本,同时保持了语义的明确性。 大量实验表明VoteSplat在开放词汇3D实例定位、3D点云理解、基于点击的3D物体定位、层次分割和消融研究中的有效性。 我们的代码可在https://sy-ja.github.io/votesplat/获取。
摘要: 3D Gaussian Splatting (3DGS) has become horsepower in high-quality, real-time rendering for novel view synthesis of 3D scenes. However, existing methods focus primarily on geometric and appearance modeling, lacking deeper scene understanding while also incurring high training costs that complicate the originally streamlined differentiable rendering pipeline. To this end, we propose VoteSplat, a novel 3D scene understanding framework that integrates Hough voting with 3DGS. Specifically, Segment Anything Model (SAM) is utilized for instance segmentation, extracting objects, and generating 2D vote maps. We then embed spatial offset vectors into Gaussian primitives. These offsets construct 3D spatial votes by associating them with 2D image votes, while depth distortion constraints refine localization along the depth axis. For open-vocabulary object localization, VoteSplat maps 2D image semantics to 3D point clouds via voting points, reducing training costs associated with high-dimensional CLIP features while preserving semantic unambiguity. Extensive experiments demonstrate effectiveness of VoteSplat in open-vocabulary 3D instance localization, 3D point cloud understanding, click-based 3D object localization, hierarchical segmentation, and ablation studies. Our code is available at https://sy-ja.github.io/votesplat/
评论: 被ICCV 2025接收
主题: 图形学 (cs.GR) ; 计算机视觉与模式识别 (cs.CV); 机器学习 (cs.LG)
引用方式: arXiv:2506.22799 [cs.GR]
  (或者 arXiv:2506.22799v1 [cs.GR] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.22799
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Minchao Jiang [查看电子邮件]
[v1] 星期六, 2025 年 6 月 28 日 08:02:43 UTC (3,378 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.GR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.CV
cs.LG

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