LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-09-25

B³-Seg已有高斯资产的主动视角二值分割

Read the paper

#near-cvpr-2025#segmentation#gaussian-splatting#primary-source

English translation pending — this page shows the Chinese original.

一句话结论

已有可渲染3DGS资产和一个交互视角时，按Beta–Bernoulli伪计数更新图元标签、用解析信息增益挑选新视角，LERF-Mask三场20轮mIoU84.5、12.1秒；同抽样/免场景训练子表的FlashSplat均匀视角69.6、10.2秒（CVF主文p.7 Table1）。

方法与输入边界

输入用户文本目标和已建高斯资产；从初始canonical视角估前景中心，在中心球面每轮采20候选相机，候选图仅算图元可见责任并以当前Beta均值近似前景/背景计数；选最高EIG视角后调用GroundingDINO框、SAM2掩码与CLIP重排，累计高斯伪计数，最终按a>b选前景（主文pp.3–5 Algorithm1/Eqs.4–12）。无需原重建的训练相机序列/真值mask或逐场梯度更新；实验初视角来自场景metadata第一相机，预训练DINO/SAM2/CLIP及完整3DGS建场是前置条件（主文p.5 §5.1；补充p.4 §G）。

实验、理论与限制

LERF-Mask同预算比较FlashSplat均匀采样mIoU69.6、Recon-Cam76.5、本法84.5；ObjectGS88.4位于使用重建相机/标签且约50分钟的另一子表（主文p.7 Table1）。3D-OVS四对象本法mIoU为97.1/92.2/94.1/96.8（p.7 Table2）。无CLIP+先验mask为74.9，二者全加84.5（p.7 Table3）；候选20→30仅84.5→84.6，耗时12.1→14.4秒（p.8 Table5）。RTX A6000 12.108秒中mask推断9.761、选视角2.111、Beta更新.119（p.8 Table4）；新增场景建模和教师预训练成本不含。

作者证明自适应次模及1−1/e贪心保证（主文p.5 §4、补充pp.1–2），其论证假设固定均值下浓度增加、给定视角增量与已选集合独立。真实循环会更新均值、目标中心与候选集合；因此此为代理目标及假设下的作者理论主张，不能提升为实际IoU保证（分析中的审慎推断）。主文p.8 Fig.6仅三场代理与实测IG相关r=.964。二值object-centric验证、动态/室外大场景尚缺；场景独立重复次数、峰显存及许可未统一报。provided Highlight未经CVF正式页核实，代码公开仓库在已核CVF/项目页未发现。正式出版只标六月，published_at月初占位；原件/推断分账见raw/ingest/2026-09-25-b3-seg/analysis.md。与LangSplat已有训练相机与每景语言特征优化、REALM多模型推理及编辑链分账；总览3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes。

Metadata
{
  "id": "2026-09-25-b3-seg",
  "type": "source",
  "title": "B³-Seg：已有高斯资产的主动视角二值分割",
  "status": "reviewed",
  "note_status": "reviewed",
  "created": "2026-09-25",
  "updated": "2026-09-25",
  "source_type": "paper",
  "venue": "CVPR 2026",
  "authors": "[Hiromichi Kamata, Samuel Arthur Munro, Fuminori Homma]",
  "published_at": "2026-06-01",
  "ingested_at": "2026-09-25",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/CVPR2026/html/Kamata_B3-Seg_Camera-Free_Training-Free_3DGS_Segmentation_via_Analytic_EIG_and_Beta-Bernoulli_CVPR_2026_paper.html",
    "https://openaccess.thecvf.com/content/CVPR2026/papers/Kamata_B3-Seg_Camera-Free_Training-Free_3DGS_Segmentation_via_Analytic_EIG_and_Beta-Bernoulli_CVPR_2026_paper.pdf",
    "https://openaccess.thecvf.com/content/CVPR2026/supplemental/Kamata_B3-Seg_Camera-Free_Training-Free_CVPR_2026_supplemental.pdf",
    "https://sony.github.io/B3-Seg-project/"
  ],
  "raw_entry": "raw/ingest/2026-09-25-b3-seg/",
  "topics": "[topics/3d-gaussian-splatting]",
  "entities": [],
  "claims": [],
  "questions": [],
  "tags": [
    "near-cvpr-2025",
    "segmentation",
    "gaussian-splatting",
    "primary-source"
  ]
}