Newest papers

CoGaussian: Open-Vocabulary Gaussian-based Collaborative 3D Scene Understanding

Om Shivam Verma, Shaya Farahmand, Lingjun Zhao, Lu Gan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28530 · open-access PDF

Indonesian

Persepsi kolaboratif memungkinkan agen untuk mengambil semantik dan geometri adegan di luar bidang pandangan setiap agen individu. Pemahaman adegan yang lebih luas ini meningkatkan keamanan transportasi dan meningkatkan efisiensi dalam sistem multi-robot. Namun, metode kolaboratif kolaboratif penempatan semantik yang ada bergantung pada anotasi voxel 3D yang padat dan terbatas pada mengenali objek dalam seperangkat kelas semantik yang ditentukan sebelumnya. Untuk mengatasi keterbatasan ini, kami memperkenalkan CoGaussian, framework prediksi penempatan semantik kolaboratif berbasis Gaussian yang terbuka. CoGaussian mewakili adegan sebagai

Machine translation (Meta M2M100); the English original follows.

Abstract

Collaborative perception enables agents to retrieve the scene semantics and geometry beyond the field of view of any individual agent. This broader scene understanding enhances transportation safety and improves efficiency in multi-robot systems. However, existing collaborative semantic occupancy methods rely on dense 3D voxel annotations and are limited to recognizing objects within a predefined set of semantic classes. To overcome these limitations, we present CoGaussian, an open-vocabulary Gaussian-based collaborative semantic occupancy prediction framework. CoGaussian represents a scene as

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange