通过交互式流程而无需任何训练过程和学习参数，本文提出了一种在 3D 高斯中实现对象分割的新方法，称为 SA-GS。通过提出的多视角掩码生成和视图标签分配方法，SA-GS 可以泛化 SAM 以实现 3D 一致的分割，并提出了跨视图标签投票方法来分配不同视图中的标签。实验证明，SA-GS 在 3D 分割结果方面具有高质量，也可以轻松应用于场景编辑和碰撞检测任务。

Jan, 2024

提出了一种能够隐式编码场景几何结构的结构感知高斯喷洒方法 (SAGS)，通过基于本地 - 全局图表示促进复杂场景的学习并强制保持场景几何的有意义的点位移，与现有的 3D-GS 方法相比，在渲染质量和模型大小两方面都展现出卓越的性能，能够有效减轻之前方法的浮点和图像失真问题，并获得精确的深度图。

Apr, 2024

该研究论文对于在光辐射场中进行交互式分割的现有方法进行了探讨，并提出了一种新的 SGISRF 方法，能够通过少量用户交互点击，对由光辐射场表示的新场景进行 3D 物体分割。该方法通过三种特别设计的技术来解决三个关键挑战，并在多个实验中证明了其有效性和适用性。

Aug, 2023

本文介绍了一种基于 2D 分割作为监督的 3D 高斯分割方法，使用输入的 2D 分割图来引导添加的 3D 高斯语义信息的学习，通过最近邻聚类和统计滤波来改进分割结果，实验证明该简洁方法在多对象分割的 mIOU 和 mAcc 上可以达到与前一单对象分割方法相当的性能。

Dec, 2023

RT-GS2 是第一个能够实现实时泛化的 3D 高斯渲染中语义分割方法，通过提取独立于视角的 3D 高斯特征并采用新颖的视角相关 / 独立特征融合，能够在不同视角下提升语义一致性，超过同领域最先进方法的语义分割质量达到 8.01％的提高，并以每秒 27.03 帧的实时性能，相比现有方法提速达 901 倍，这一工作在引入光辐射场 3D 高斯表达领域的语义分割上代表了重大进展。

May, 2024

我们提出了一种紧凑高效的三维高斯分割方法（Compact and Swift Segmenting 3D Gaussians，CoSSegGaussians），通过仅使用 RGB 图像输入，在快速渲染速度下进行三维一致场景分割。

Jan, 2024

学习使用单目视频作为输入来生成动态三维语义辐射场，其中学习到的语义辐射场捕捉每个点的语义以及颜色和几何属性，以便生成新的视图和相应的语义。通过联合优化外观和语义属性，使得该方法能够实现密集的语义三维物体跟踪，并展示了渲染快速而质量高的多样化场景结果。

May, 2024

通过 2D 基础模型的 3D 特征场蒸馏，我们提出了一种通用的方法，用于实现新颖视图的语义分割、语言引导编辑和任意维度语义特征的 3D 高斯喷洒，提供可比较或更好的结果，并且训练和渲染速度显著更快。

Dec, 2023

通过将三维体积转化为一组二维定向平面高斯盘，使用透视准确的二维喷洒过程，结合深度扭曲和法线一致性项，实现从多视角图像中准确重建细表面并提高重建质量的一种方法。

Mar, 2024

通过识别每个高斯函数的紧凑身份编码，我们将高斯函数根据其对象实例或物体成员资格在三维场景中分组，从而实现了高质量的三维重建、分割和编辑，同时通过 SAM 的二维掩模预测和引入的三维空间一致性正则化来监督身份编码，通过 Gaussian Grouping 进一步提出了一种本地高斯编辑方案，用于 3D 对象移除、修复、上色和场景重组等多种场景编辑应用。

Dec, 2023