**从自动 3D 高斯泼溅编辑中学习：实现极速在线场景变化检测**

_Learning from Automatic 3D Gaussian Splatting Edits for Online Bayesian Scene Change Detection_

> 针对在线场景变化检测中先验概率未知及贝叶斯推断计算成本高的问题，该方法提出离线从自动编辑的 3D 高斯泼溅（3DGS）模型中学习。通过利用自动编辑生成的带标签视图与未变化观测，模型能够学习场景特定的证据模型并估计像素先验。在线预测阶段，结合当前证据与历史支持，利用闭式局部贝叶斯因子更新累积的 3D 高斯场，并通过物体导向细化生成最终变化掩膜。该方法在 PASLCD 和 CCS3D 数据集上均达到最先进精度，且在 PASLCD 上实现了每秒 17.2 帧的极速推理。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.28490)