Changrui Zhu, Simon Julier · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28490 · open-access PDF
온라인 장면 변경 검출은 참조 장면에 비해 어떤 영역이 변경되었는지 결정하기 위해 들어오는 관찰을 통합해야합니다. 우리는 일반화된 베이에시 증거 합병을 사용하여 새로운 이미지를 사용하여 변경 신념을 업데이트합니다. 그러나 변화와 증거 모델의 이전 확률은 사전에 알려지지지 않으며 숫자 베이에시 추론은 비용이 많이 들 수 있습니다. 우리는 자동 편집에서 참조 3D Gaussian Splatting (3DGS) 모델로 오프라인에서 학습함으로써 이러한 과제를 해결합니다.
Machine translation (Meta M2M100); the English original follows.
Online scene change detection requires integrating incoming observations to determine which regions have changed relative to a reference scene. We update change beliefs as new images arrive using generalised Bayesian evidence fusion. However, the prior probability of change and evidence models are unknown beforehand, and numerical Bayesian inference can be costly. We address these challenges by learning offline from automatic edits to a reference 3D Gaussian Splatting (3DGS) model. These edits generate labelled training views without manual annotations. Together with unchanged reference observ
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28490, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange