VL-Fields：迈向语言引导的神经隐式空间表示
VL-Fields: Towards Language-Grounded Neural Implicit Spatial Representations
AI总结：
本文提出 VL-Fields，一种无需场景类别先验、融合几何与视觉-语言特征的神经隐式空间表示，在语义分割上比 CLIP-Fields 提升近 10%。
摘要：
我们提出了视觉-语言场（VL-Fields），这是一种神经隐式空间表示，能够支持开放词汇的语义查询。我们的模型通过从语言驱动的分割模型中蒸馏信息，将场景的几何结构与视觉-语言训练的潜在特征进行编码和融合。VL-Fields 在训练时不需要任何关于场景物体类别的先验知识，这使其成为机器人领域一种很有前景的表示方法。在语义分割任务中，我们的模型比类似的 CLIP-Fields 模型性能高出近 10%。
英文摘要：
We present Visual-Language Fields (VL-Fields), a neural implicit spatial representation that enables open-vocabulary semantic queries. Our model encodes and fuses the geometry of a scene with vision-language trained latent features by distilling information from a language-driven segmentation model. VL-Fields is trained without requiring any prior knowledge of the scene object classes, which makes it a promising representation for the field of robotics. Our model outperformed the similar CLIP-Fields model in the task of semantic segmentation by almost 10%.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
