LangSplat和3D language fields简略介绍

LangSplat: 3D Language Gaussian Splatting

  1. 相关技术拆分解释:
    • 3dgs:伟大无需多言
    • SAM:The Segment Anything Model,是图像分割领域的foundational model,已经用在很多视觉任务上(如图像修复、物体追踪、图像编辑等),以及用在3D领域中,后者相关工作如:
      • Seal:将包含SAM的VFMs用于点云分割
      • SA3D:将SAM泛化到3D物体
      • 本篇:使用SAM得到物体掩码以及3个hierarchical semantics,进而训练一个3D language field
    • 3D Language Fields:能够使用语言与三维世界进行交互和查询的模型
  2. LangSplat的framework图:

    输入从不同角度获取的同一场景的图像集,SAM基于输入的多视角图像生成层次化语义(Hierarchical Semantics),然后这些分割的掩码图会输入CLIP(视觉语言模型),使得图像和文本特征对齐、输出图像对应的language embeddings。为了降低内存成本,先会将这些高维embeddings压缩到低维空间,然后三维语言高斯模型学习这些低维的language embeddings,并反复执行渲染、监督的迭代过程。训练完成后,模型中的每个高斯点都包含了与language embedding相关的特征,并能够支持三维场景语言查询
    • SAM将图像分割成三个语义层次:Whole(整个玩具熊)、Part(玩具熊的头)、Subpart(玩具熊的鼻子)
    • CLIP的原理:通过从图像块中提取language embeddings,将视觉信息转换为可以与语言描述对应的特征
    • autoencoder:高维CLIP --encoder--> 低维latent space --decoder--> 高维CLIP

3D Language Fields

  1. 是什么:modeling a 3D language field allows users to interact with and query 3D worlds using open-ended language, which presents a promising avenue for human-computer interaction and understanding. 如用户输入"椅子"、"桌子",系统能够在三维场景中识别、定位或分割出与查询相关的对象。将自然语言与三维场景联系起来,支持用户通过语言与三维世界进行交互和查询
  2. 应用场景:The field of open-ended language queries in 3D has attracted increasing attention due to its various applications such as:
    • robotic navigation
    • manipulation
    • 3D semantic understanding
    • editing
    • autonomous driving
    • augmented/virtual reality
  3. 原理:Feature distillation from off-the-shelf vision-language models into a 3D scene
    • LERF:将CLIP(Contrastive Language-Image Pre-training)等模型中的语言嵌入到NeRF中,从而使得3D开放式语言查询成为可能。LERF将位置和物理尺度(尺度的作用:决定一个位于熊鼻子上的点是对应"熊的鼻子"、还是"熊的头"、还是"熊")作为输入,输出单个CLIP向量
    • LangSplat:首个基于3DGS的三维语言场方法
相关推荐
lb29171 小时前
CSS 3D变换,transform:translateZ()
前端·css·3d
淮北4949 小时前
ros调试工具foxglove使用指南三:在3d空间写写画画(Panel->3D ->Scene entity)
python·学习·3d·机器人
大有数据可视化16 小时前
为什么可视化大屏越来越多应用3D元素呢?
3d
千野竹之卫16 小时前
2025最新云渲染网渲100渲染农场使用方法,渲染100邀请码1a12
开发语言·前端·javascript·数码相机·3d·3dsmax
花千树-01019 小时前
MCP - 使用 BlenderMCP 让 Claude AI 控制你的 Blender 模型创作
人工智能·gpt·3d·aigc·blender
寻丶幽风1 天前
论文阅读笔记——ReconDreamer
论文阅读·笔记·自动驾驶·3dgs·世界模型·闭环仿真
HyperAI超神经1 天前
Stable Virtual Camera 重新定义3D内容生成,解锁图像新维度;BatteryLife助力更精准预测电池寿命
图像处理·人工智能·3d·数学推理·视频生成·对话语音生成·蛋白质突变
烧仙草奶茶1 天前
【cocos creator 3.x】3Dui创建,模型遮挡ui效果
ui·3d·cocos creator·cocos3d
诺有缸的高飞鸟2 天前
从零开始跑通3DGS教程:介绍
colmap·3dgs·sfm
咩咩觉主2 天前
Unity 一个丝滑的3D下--XY轴2D平台跳跃--控制器模板(FSM)
3d·unity·游戏引擎