NeurIPS 2026 论文 VODA:用体积监督修复 3D 高斯分割的盲区
ChongZzZhang · x · 2026-11-20
韩国研究者(Jeonghwan Cho 等)的论文《The Mask Is Not the Object》被 NeurIPS 2026 接收,指出 3D Gaussian Splatting 分割方法普遍只在渲染视图上训练与评估的缺陷:alpha 混合的特征监督集中在主导贡献的高斯上,被遮挡或低贡献的高斯得不到有效监督,导致 2D 掩码好看但 3D 物体并不完整。
核心贡献:
- VODA:即插即用的监督目标,利用局部深度结构按像素分组贡献者,直接监督选定深度簇内全部高斯,绕过按贡献加权的梯度传递;
- Removal-3D 基准与 RDE 指标:通过物体移除任务对比预测与真实深度变化,评估体积完整性;
- 在四个基于渲染的基线上,VODA 均提升 Removal-3D 体积分割效果,同时在 LERF 与 ScanNet 上保持或提升性能;消融显示简单梯度重加权与空间传播无法复现同等收益。
所属事件:VODA 修复 3D 高斯分割盲区,获 NeurIPS 2026 接收(2 条相关)→
「研究」频道最新
- 博士生求方案:API 测 20 个视频理解 benchmark,单模型成本近 2000 美元 — Alternative_Art2984 · 2026-11-20
- 教授用派对模拟器讲高维正交:兴趣太分散,我们都「正交孤独」 — prof_g · 2026-11-20
- METR 研究:AI 让开发者自认快 20%,实测反而慢 19% — alifcoder · 2026-11-20
- 206M 双流 DiT 单卡 4090 训练 160 小时,成本不到 55 美元 — bdsqlsz · 2026-11-20
- ICLR 2027 作者称 AC 与两名审稿人失联,补充实验无人回应 — Temporary_Switch_339 · 2026-11-20
- 乌尔姆大学提出 ERT 训练法,让 LLM 直接编辑神经网络权重 — Timo Ropinski · 2026-11-20