전체와 부분의 차이
물체 이름을 찾는 데 성공해도 특정 구성 부분을 고르는 질의는 어려울 수 있다. FMLGS는 세밀도 변화에 따른 특징 품질과 언어의 모호성을 주요 문제로 삼는다.
일관된 계층 표현
SAM 2를 기반으로 물체와 부분 수준의 의미를 만들고 질의하는 절차를 제시했다. 학습 뒤에는 자연어로 설명할 수 있는 물체와 그 부분을 모두 검색하도록 한다.
의미 편차 전략
세밀한 대상의 특징을 보간해 정보를 풍부하게 만드는 전략을 사용한다. 비슷한 표현으로 지칭하는 물체 부분들이 섞이는 문제를 완화하려는 구성이다.
가상 에이전트와의 연결
논문은 채팅 인터페이스로 삼차원 장면을 탐색하고 대상을 찾는 가상 에이전트도 제시했다. 이는 장면 상호작용의 활용이며 실제 로봇의 이동과 접촉 조작까지 검증했다는 의미는 아니다.
관련 문서
OpenGaussian / LangSplat / 가우시안 스플래팅 / 의미 분할 / LangSurf / LERF