研究者提出3DGS场景无关物体中心监督方案

研究者提出一种数据集级、物体中心的监督方案，用于在 3D Gaussian Splatting（3DGS）中学习物体表示。该方法基于预训练的 slot attention 模块 GOCL，学习场景无关的物体 codebook，为跨视角、跨场景提供一致的身份锚定表示。 据作者称，该方案无需额外 mask 前/后处理或多视角对齐，也无需逐场景微调或重训练。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。