CORE-3D: Recupero Open-Vocabulary Sensibile al Contesto in Scene 3D

L'articolo di ricerca 'CORE-3D: Recupero Open-Vocabulary Sensibile al Contesto tramite Embedding in 3D' (ID arXiv: 2509.24528) si concentra sul recupero di oggetti da ambienti 3D. Le attuali tecniche zero-shot e open-vocabulary si basano su vettori di embedding derivati da modelli visione-linguaggio (VLM) per creare maschere 2D agnostiche rispetto alle classi, il che spesso porta a maschere frammentate e assegnazioni semantiche errate. Per affrontare questo problema, gli autori utilizzano SemanticSAM con un approccio di raffinamento progressivo della granularità per generare maschere a livello di oggetto migliori, minimizzando la sovra-segmentazione che si verifica in modelli come SAM vanilla, migliorando così la segmentazione semantica 3D. Inoltre, introducono un metodo di codifica CLIP sensibile al contesto che integra varie viste contestuali per ogni maschera. L'articolo è in fase di revisione e riguarda la visione artificiale, la comprensione di scene 3D e l'IA embodied, con implicazioni per la robotica e la realtà aumentata.