GaussianSelector：輕量級、人機協作式 3D Gaussian 物體選擇框架
為何重要
此研究解決了 3D 場景編輯與 embodied AI 開發中「物件貼標」過於耗能的痛點，將運算負擔從重訓或密集監控轉移到具高效能的拓樸圖最佳化上，提升了 3D 資產製作與編輯的即時性與可行性。
現有的 3D Gaussian Splatting (3DGS) 物件選取方法通常需重訓模型或觀察密集視角，計算消耗大且缺乏實務可用性。GaussianSelector 匯入訓練無關的架構，直接於原生 Gaussian 原語上運作，僅需稀疏使用者筆觸與視角即可完成選取。
- 相較於先進的多視角 SAM 方法，該方法在計算開銷上顯著較低。
- 利用圖最佳化與 graph-cut 能量最小化，將稀疏證據拓展至完整 3D 物體。
- 支援使用者從額外視角進行多輪迭代修正，逐步提升選取成果。