관측마다 다른 마스크
같은 물체도 영상 시점이 바뀌면 분할 마스크의 대응이 일관되지 않을 수 있다. 이 연구는 그런 감독 정보의 불일치가 언어 가우시안 학습에 주는 문제를 다룬다.
추적으로 연결한 감독
분할 마스크를 추적해 의미적으로 일관된 학습 기준을 만든다. 이 기준을 사용해 언어 정보를 가우시안 표현으로 증류한다.
기준에 고정한 질의
GT-anchored 질의는 증류한 기준 표현을 먼저 찾는다. 이어 그 기준을 이용해 개별 가우시안을 질의하는 구조로, 문장에서 각 점을 곧바로 고르는 접근과 구별된다.
벤치마크 결과
논문은 세 자료에서 점 수준 검색을 평가하고 분할 지표의 개선을 보고했다. 이는 장면 이해의 평가이며, 로봇의 실제 이동이나 접촉 작업 성공률을 측정한 것과 같지는 않다.
관련 문서
OpenGaussian / Gaussian Grouping / LangSplat / 지식 증류 / 의미 분할 / 삼차원 복원