Click-Gaussian

交互式分割到任何3D高斯体

3D高斯体的交互式分割为实时操控3D场景提供了巨大机会，这要归功于3D高斯点阵的实时渲染能力。然而，当前的方法在处理噪声分割输出时需要耗费大量时间的后处理。此外，它们在提供详细分割方面也表现不佳，而详细分割对于3D场景的细粒度操控非常重要。在本研究中，我们提出了Click-Gaussian，它学习具有两级粒度的可区分特征场，促进了无需耗时后处理的分割。我们深入研究了由独立于3D场景获得的2D分割导致的不一致特征场带来的挑战。当跨视角的2D分割结果（3D分割的主要线索）相互冲突时，3D分割精度会下降。为了解决这些问题，我们提出了全局特征引导学习（GFL）。GFL从跨视角的噪声2D分割中构建全局特征候选集群，从而在训练3D高斯体特征时平滑噪声。我们的方法每次点击运行时间为10毫秒，比之前的方法快15到130倍，同时还显著提高了分割精度。