Yonsei 提出 VODA:用局部深度聚类监督 3D 高斯分割
yonseiworld · hf · 2026-11-20
Yonsei 大学团队指出 3D Gaussian Splatting 分割的常见缺陷:现有方法多基于渲染视角训练和评估,而 alpha-blend 特征监督集中在高贡献像素上,被遮挡或低贡献的高斯点长期缺乏监督,导致 2D mask 看似准确但 3D 分割不完整。
- 提出 VODA:即插即用的监督目标,利用局部深度结构把逐像素贡献者分组,直接监督选定深度簇内的所有高斯点,绕过贡献加权梯度传递
- 配套提出 Removal-3D(合成物体移除基准)与 Removal Depth Error(RDE)指标,评估分割的体积完整性
「研究」频道最新
- ICLR 2027 大批量 desk reject:审稿人未提交 AI 使用声明表 — algo_diver · 2026-11-20
- Chorus 论文:共享 n-gram 嵌入表缩小 87%,性能反超 DeepSeek Engram — brown2green · 2026-11-20
- NeurIPS 论文发布可合成生成的概念瓶颈模型基准,揭示新失败模式 — berkustun · 2026-11-20
- Inhabitant:LLM 智能体零训练完成 74/75 长程家居交互任务 — Yao Zhang · 2026-11-20
- EPFL 团队发布统一 3D 生成模型,一次完成药物设计对接 — HannesStaerk · 2026-11-20
- ICLR27 分数分布:4 万篇投稿中均分 3.0 仅排前 14% — May_F1_ · 2026-11-20