动态场景，开放文本查询！清华哈佛联合建模4D语言场 | CVPR 2025

主要观点总结

新智元报道，来自清华大学等机构的研究团队提出了一种创新方法4D LangSplat，基于动态三维高斯泼溅技术，成功构建动态语义场，能高效且精准地完成动态场景下的开放文本查询任务。该文章介绍了4D LangSplat的技术细节、应用前景、方法论及实验成果。

关键观点总结

关键观点1: 技术细节

利用多模态大模型生成物体级的语言描述，并通过状态变化网络实现语义特征的平滑建模；通过视觉提示技术结合SAM和DEVA tracking技术，对物体进行分割，并在时间维度上保持物体身份的一致性。

关键观点2: 应用前景

在机器人导航、3D场景编辑和交互式虚拟环境等领域展现出巨大的潜力。

关键观点3: 方法论

多模态对象级视频提示技术结合SAM和DEVA tracking技术；状态变化场利用状态变化网络对语义特征进行建模；将4D开放词汇查询任务定义为时间无关的查询和时间敏感的查询两个子任务。

关键观点4: 实验成果

在HyperNeRF和Neu3D数据集上进行了手工标注，构建用于4D语义查询的数据集；在时间敏感和时间无关查询两个子任务上都显著优于最先进的方法。