基于对比学习的统一3D实例分割

本文解决了在利用3D高斯喷溅和神经辐射场等技术将2D分割扩展到3D时，跨视图的2D实例标签不一致的问题。作者提出了一个统一的框架UniC-Lift，它融合了对比学习和标签一致性步骤，提高了效率和性能。他们引入了用于高斯基元分割的可学习特征嵌入和一个新的“嵌入到标签”过程。此外，他们通过结合硬挖掘技术来解决对象边界伪影，并通过线性层进行稳定。本文的重要性在于其统一的方法、在基准数据集上的改进性能以及针对边界伪影的新解决方案。