论文页面 - NoPA：非参数在线3D场景图生成

来源：https://huggingface.co/papers/2607.00529

摘要

NoPA 提出了一种基于非参数分布的实时3D场景图生成方法，通过核密度估计和基于粒子的物体表示，在保持计算效率的同时保留了几何细节。

经典的3D场景图生成 (https://huggingface.co/papers?q=3D%20scene%20graph%20generation)方法因环境映射计算代价高昂且需要生成中间点云表示，无法实现实时运行。为缓解此问题，近期有工作放弃点云，转而采用轻量级高斯分布 (https://huggingface.co/papers?q=Gaussian%20distribution)对每个物体进行近似。这种近似大幅加速了推理，并实现了实时3D场景图生成 (https://huggingface.co/papers?q=3D%20scene%20graph%20generation)。然而，该表示存在两个关键缺陷：1) 每个物体被近似为单个3D高斯，导致3D几何细节严重丢失；2) 该近似与真实物体几何之间的差异加剧了在线推理中物体候选合并的不准确性。为解决这些问题，我们提出 NoPA，将每个物体表示为独立的非参数分布 (https://huggingface.co/papers?q=non-parametric%20distribution)。这种形式在保留3D几何信息的同时，保持了参数化高斯形式的实时推理 (https://huggingface.co/papers?q=real-time%20inference)能力。基于我们新颖的物体表示，我们提出了一种定制的合并策略来恢复连贯的物体实例。具体而言，我们利用核密度估计 (https://huggingface.co/papers?q=kernel%20density%20estimates)上的最大均值差异 (https://huggingface.co/papers?q=maximum%20mean%20discrepancy) 实现在线探索过程中物体候选的鲁棒合并，同时最小化额外计算复杂度。关键在于为每个物体维护一个固定的粒子集 (https://huggingface.co/papers?q=particle%20set)。此外，为了纠正因错误分类物体导致的关系损失，NoPA 传播高亲和力物体之间的关系。实验表明，NoPA 在不牺牲实时推理 (https://huggingface.co/papers?q=real-time%20inference)速度的情况下，显著优于当前方法。

查看 arXiv 页面 (https://arxiv.org/abs/2607.00529)查看 PDF (https://arxiv.org/pdf/2607.00529)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.00529)

在你的 Agent 中获取此论文：

hf papers read 2607\.00529

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2607.00529 即可从此页面链接。

引用此论文的数据集0

无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.00529 即可从此页面链接。

引用此论文的 Spaces0

无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2607.00529 即可从此页面链接。

包含此论文的收藏0

无收藏包含此论文

将论文添加到收藏 (https://huggingface.co/new-collection)以从此页面链接。