LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-09-25

LangSplat高斯语言特征与三级语义查询

Read the paper

#near-cvpr-2025#3d-vision#gaussian-splatting#primary-source

English translation pending — this page shows the Chinese original.

一句话结论

在已有已标定静态3DGS场景上，SAM三级区域与CLIP编码监督低维高斯语言向量；CVPR正式主表中开放词汇定位/分割改善，查询速度收益来自预处理后显式图元与三级尺度，须同时计建图/基础模型成本（§3–4）。

输入与方法

输入多视图RGB、已知相机、先经30k步逐场RGB优化的约250万高斯，再取SAM ViT-H的subpart/part/whole掩码与OpenCLIP ViT-B/16区域向量。512维CLIP经逐场AE压为3维，高斯仅训练三级语言向量另30k步，测试时渲染低维特征、解码回CLIP并与文本query算相关度；不是直接以文字生成3D场景（正式主文pp.20054–20056 Eq.1–6/§4.1）。

结果、消融与边界

  • LERF四场定位平均84.3% vs LERF73.6%，分割IoU 51.4 vs37.4（主文p.20055 Tables1–2）；3D-OVS五场mIoU 93.4 vs 3D-OVS86.8（p.20057 Table5），后者需要完整类别表，输入协议不同。补充Table1报告的是Accuracy而非mAP，与mIoU不可混算。
  • ramen显式直接512维特征OOM；SAM替换多尺度后46.74 IoU/7.77s/query，完整低维模型51.15/.26；bench 1440×1080是55.7s LERF vs .28s LangSplat（约199倍，仅逐查询时间，主文p.20057 Tables3–4）。补充p.2 Table2 d=8 mIoU95.20高于d=3的94.19，3维是成本取舍。
  • 已有RGB训练、SAM/CLIP预处理和语义训练均需成本；作者报告RTX3090单场约25min、约4GB（主文p.20056），没有完整逐阶段账。小量场景/作者扩注且多项组件同时变化，3D真值语义准确性与域外语言泛化待测。

原始链接与证据

CVF正式主会PDF/官方补充与代码入口在本页frontmatter及raw/ingest/2026-09-25-langsplat/links.yaml；独立逐页审计raw/ingest/2026-09-25-langsplat/analysis.md。作者仓库带Inria/MPII Gaussian-Splatting研究用途许可，预训练/数据许可单审。无GPU复现。

相关页面

3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes；3D Gaussian Splatting：从稀疏点到实时新视角渲染、2D Gaussian Splatting：用三维中的二维高斯圆盘重建表面。语言指标与图片PSNR属于不同任务。

Metadata
{
  "id": "2026-09-25-langsplat",
  "type": "source",
  "title": "LangSplat：高斯语言特征与三级语义查询",
  "status": "reviewed",
  "note_status": "reviewed",
  "created": "2026-09-25",
  "updated": "2026-09-25",
  "source_type": "paper",
  "venue": "CVPR 2024",
  "authors": "[Minghan Qin, Wanhua Li, Jiawei Zhou, Haoqian Wang, Hanspeter Pfister]",
  "published_at": "2024-06-01",
  "ingested_at": "2026-09-25",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/CVPR2024/html/Qin_LangSplat_3D_Language_Gaussian_Splatting_CVPR_2024_paper.html",
    "https://openaccess.thecvf.com/content/CVPR2024/papers/Qin_LangSplat_3D_Language_Gaussian_Splatting_CVPR_2024_paper.pdf",
    "https://openaccess.thecvf.com/content/CVPR2024/supplemental/Qin_LangSplat_3D_Language_CVPR_2024_supplemental.pdf",
    "https://github.com/minghanqin/LangSplat"
  ],
  "raw_entry": "raw/ingest/2026-09-25-langsplat/",
  "topics": "[topics/3d-gaussian-splatting]",
  "entities": [],
  "claims": [],
  "questions": [],
  "tags": [
    "near-cvpr-2025",
    "3d-vision",
    "gaussian-splatting",
    "primary-source"
  ]
}