SplatXtRact：通过开放世界中的兴趣区域提取与细化实现的高斯斑点分割技术

《IEEE Robotics and Automation Letters》：SplatXtRact: Tractable Gaussian Splatting via Open World Region-of-Interest Extraction and Refinement

　　

摘要：

我们提出了一种基于任务条件的3D高斯散布（GS）细化方法，该方法使机器人或人类操作员能够选择性地提取学习到的场景中与任务相关的区域。在给定预训练的GS地图的基础上，我们的方法支持局部感兴趣区域（ROI）的细化，在保持全局地图一致性的同时满足交互式机器人感知所需的近乎实时的约束。该框架将语义ROI的选择与初始GS优化分离，从而可以灵活地与外部和新的感知模型集成。我们在室内和室外数据（TUM RGB-D、MipNeRF360）上评估了我们的方法，证明了该方法在新颖视图合成质量上优于现有技术，减少了伪影，并且延迟可控，适合人在回路中的操作。