基于三维高斯泼溅的文本指导三维目标检测分割方法与应用OA
Text-Guided 3D Object Detection and Segmentation Based on 3D Gaussian Splatting:Methods and Applications
随着三维重建技术的飞速发展,机器在开放环境下对三维场景的语义感知与理解已成为计算机视觉和图形学领域的重要研究方向.文本指导的三维目标检测与分割凭借其在开放词汇下的良好泛化能力,正成为人机交互与场景理解的关键技术.本文聚焦于基于三维高斯泼溅的文本指导三维目标检测与分割的最新进展,并从方法本质与应用场景两个方面对现有研究进行梳理与总结.具体而言,本文围绕文本与几何特征间约束关系,将现有研究方法分为直接监督与聚类对齐两类,对比其核心思想与实现机制,以深入剖析各方法的本质.此外,本文还总结了相关技术在自动驾驶、智能家居、智慧农业及虚拟/增强现实等一系列场景中的应用,分析了其在跨模态对齐、实时交互等方面面临的挑战,并展望了未来的发展方向.
With advances in 3D reconstruction,semantic understanding of open-world scenes has gained growing attention.Text-guided 3D object detection and segmentation,recognized for their open-vocabulary generalization,are becoming crucial in human-computer interaction and scene interpretation.This paper reviews recent methods based on 3D Gaussian Splatting,categorizing them into direct supervision and cluster alignment according to how they constrain textual and geometric features.We compare their core ideas and implementations,summarize applications in autonomous driving,smart homes,AgriTech,and VR/AR,discuss challenges in cross-modal alignment and real-time interaction,and point to future research directions.
曾芊;蒋权;俞霆锋;李诚瑜
广西民族大学 人工智能学院,广西 南宁 530006广西民族大学 人工智能学院,广西 南宁 530006||广西民族大学 广西壮族自治区智能视觉协作机器人工程研究中心,广西 南宁 530006广西民族大学 人工智能学院,广西 南宁 530006广西民族大学 人工智能学院,广西 南宁 530006
信息技术与安全科学
三维场景表示神经辐射场三维高斯泼溅开放词汇理解多模态学习
3D scene representationNeural Radiance Fields3D Gaussian SplattingOpen-vocabulary understandingMultimodal learning
《广西民族大学学报（自然科学版）》 2026 (1)
76-85,10
广西科技计划项目(桂科AD21220002).
评论