想象一下,有一段冗长的视频,你不想从头查看,只想找到你关注的物体。
如果你输入它的名称就可以快速标记找到它在视频中的位置。
那可谓是省时省力呀!!👏
今天小编就要介绍一个这样令人眼前一亮的技术。🤩
它就是由清华与哈佛联手研究的技术——LangSplat!
它比先前与其功能相同的最优方法LERF快199倍!
LangSplat的全称是3D高斯语义泼溅技术,是一种构建3D语言场的方法。
与传统的NeRF方法不同,LangSplat利用3D高斯分布来表示3D场景,并通过基于图块的撒点技术实现高效渲染。
不仅大大提升了渲染速度,还显著降低了内存需求。
<iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9KibIqXyhYOBL9519T8FRyibDRYx8qKhYo3Pxct1txJ9ntgeywQeGiaD1A%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529699175237468173" data-ratio="2.525925925925926" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529699175237468173" style="border-radius: 4px;" width="300px"></iframe>LangSplat的核心思想是将每个3D高斯点增强为语言高斯点,这些点包含从CLIP模型提取的语言特征。
LangSplat 将 CLIP 特征归结为一组3D语言高斯函数,以构建3D语言场。
<iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9ZUJ1QKFr5S7I2BiaPArdsuuOvaDic1vTsicqoH9RbibYibsk4jCwgvcovaQ%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529701242710573060" data-ratio="2.3055555555555554" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529701242710573060" style="border-radius: 4px;" width="300px"></iframe> <iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9Fia3icFt9Koib2B1MCUpZaTQaE3Oict7QglyJmUFe7d5mcfudiaNn3gVoUw%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529699593594126341" data-ratio="2.3055555555555554" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529699593594126341" style="border-radius: 4px;" width="300px"></iframe> <iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9rl3eB82EnUticf2gRQ1nxyoGjmYx6uHQjAxVKt1PqvicQKEOSbFWRTaA%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529700674248163329" data-ratio="2.3055555555555554" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529700674248163329" style="border-radius: 4px;" width="300px"></iframe>下面是可视化后LERF和LangSplat 所学习到的特征对比图。
LERF生成不精确且模糊的3D特征,但LangSplat 可以准确捕捉对象边界并提供精确的 3D 语言场,而无需任何后处理。
这些语言特征经过训练,可以在多个视角下保持一致性。
LangSplat通过SAM(Segment Anything Model)定义的语义层次结构解决了3D语言场点模糊问题。
同时实验结果显示,LangSplat在3D对象定位和语义分割任务中,性能大幅超越现有的最先进方法。
语义分割
<iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9t9o33G1Oo2e2hwltbTuZt9DAtc7zicccT4fFaXD3xEjoVgWYk9H8DibQ%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529702049493336068" data-ratio="2.6185185185185187" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529702049493336068" style="border-radius: 4px;" width="300px"></iframe>3D对象定位
<iframe allowfullscreen="" class="video_iframe rich_pages" data-cover="http%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fl2VB7h1M5NacWIiarOnpNDiblbRLLgLEk9ibzuICUiaE0490z7qiaU2IvAbianafcsekyh6LXSCNibhdCEicahzEDs65vw%2F0%3Fwx_fmt%3Djpeg" data-mpvid="wxv_3529700256611778561" data-ratio="2.3055555555555554" data-vidtype="2" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3529700256611778561" style="border-radius: 4px;" width="300px"></iframe>LangSplat已经在GitHub上开源,感兴趣的朋友可以自行前往下载并试用。
点击阅读原文,查看详细内容
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号