NG-GS：NeRF誘導による3Dガウススプラッティングのセグメンテーション

概要: 3D Gaussian Splatting（3DGS）の最近の進歩により、非常に効率的でフォトリアルな新規視点合成が可能になりました。しかし、3DGSにおける物体の正確なセグメンテーションは、ガウス表現が離散的であることに起因して依然として難しいままです。これにより、多くの場合、物体境界でエイリアシングやアーティファクトが生じます。本論文では、境界の離散化を明示的に扱う、3DGSにおける高品質な物体セグメンテーションのための新しい枠組みNG-GSを提案します。提案手法はまず、マスク分散分析により物体境界に存在する曖昧なガウスを自動的に特定します。次に、動径基底関数（RBF）補間を適用して、空間的に連続な特徴フィールドを構築します。さらに、効率的な多スケール表現のためにマルチリゾリューションのハッシュ符号化を組み合わせます。共同最適化戦略により、アラインメント損失と空間的連続性損失を通じて3DGSを軽量なNeRFモジュールと整合させ、セグメンテーション境界を滑らかかつ一貫したものにします。NVOS、LERF-OVS、ScanNetのベンチマークに対する広範な実験により、本手法が最先端の性能を達成し、境界mIoUで大幅な改善が得られることを示します。コードは https://github.com/BJTU-KD3D/NG-GS で公開されています。