AIGC動態(tài)歡迎閱讀

原標題：提速199倍！清華&哈佛發(fā)布三維語義高斯?jié)姙RLangSplat｜CVPR‘24 Highlight
關鍵字：語義,場景,特征,團隊,方法
文章來源：量子位
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

LangSplat團隊 投稿量子位 | 公眾號 QbitAI入選CVPR 2024 Highlight的三維語義高斯?jié)姙R最新成果，查詢速度比之前的SOTA方法LERF快了199倍！
清華&哈佛團隊提出LangSplat，在開放文本目標定位和語義分割任務上達到SOTA性能。
該工作目前在?（Twitter）上受到廣泛關注，論文視頻累計瀏覽量超過100,000，論文代碼已開源。結合三維高斯?jié)姙R技術重建三維語義場人類生活在一個三維世界中，并通過文本語言描述三維場景。構建三維語義場以支持在三維空間中的開放文本查詢最近越來越受到關注。
LangSplat方法結合三維高斯?jié)姙R技術重建三維語義場，能夠?qū)崿F(xiàn)準確高效的開放文本查詢。
現(xiàn)有方法在NeRF的基礎上嵌入CLIP語義特征，LangSplat則通過結合三維高斯?jié)姙R，在每個高斯點上編碼了從CLIP提取的語義特征。
LangSpla采用tile-based的三維高斯?jié)姙R技術來渲染語義特征，從而避免了NeRF中計算成本高昂的渲染過程。
首先訓練特定場景下的語義自編碼器，然后在場景特定的低維latent space上學義特征，而不是直接學習高維的C

原文鏈接：提速199倍！清華&哈佛發(fā)布三維語義高斯?jié)姙RLangSplat｜CVPR‘24 Highlight

聯(lián)系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業(yè)新突破