Query Rewriting for Complex Object Segmentation in 4D Gaussian Representations
作者: Thanh-Khoi Nguyen, Thien-Phuc Tran, Minh-Triet Tran
分类: cs.CV
发布日期: 2026-09-02
💡 一句话要点
提出查询重写方法以解决4D高斯表示中的复杂对象分割问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 4D高斯表示 查询重写 对象分割 动态场景理解 语言引导
📋 核心要点
- 现有的4D高斯表示方法对冗长的查询敏感，导致复杂对象分割性能下降。
- 本文提出了一种无训练的查询重写策略，将长查询转化为简洁的关键词形式，以减少语言噪声。
- 实验结果显示，重写后的查询在时间定位和空间分割上显著提升，平均准确率和vIoU均有大幅提高。
📝 摘要（中文）
近年来，4D高斯表示框架在语言引导的动态场景理解中表现出色。然而，这些方法对冗长和叙述风格的查询敏感，容易受到噪声上下文信息的影响。本文研究了查询重写对复杂对象分割的影响，提出了一种无训练的重解释策略，将长描述性查询转化为简洁的关键词导向形式。该方法在保留与对象中心表示相关的语义锚点的同时，逐步减少语言噪声。实验结果表明，简洁的重写查询显著提高了时间定位和空间分割性能，平均时间准确率从60.92%提升至92.21%，平均vIoU从20.08%提升至76.94%，且无需额外微调。
🔬 方法详解
问题定义：本文旨在解决现有4D高斯表示方法在处理冗长叙述性查询时的性能下降问题。这些查询常常包含噪声上下文信息，影响复杂对象的分割效果。
核心思路：论文提出了一种无训练的查询重写策略，通过将长描述性查询转化为简洁的关键词导向形式，来减少语言噪声并保留重要的语义信息。
技术框架：该方法的整体架构包括查询重写模块和对象分割模块。查询重写模块负责将输入的长查询转换为简洁形式，而对象分割模块则利用重写后的查询进行高效的对象分割。
关键创新：最重要的技术创新在于提出了一种无训练的重解释策略，能够有效地将冗长查询转化为关键词形式，从而显著提高了对象分割的准确性和稳定性。与现有方法相比，该方法在处理复杂查询时表现出更好的鲁棒性。
关键设计：在设计中，重写策略侧重于关键词的提取和语义锚点的保留，确保在简化查询的同时不丢失关键信息。实验中未使用额外的微调步骤，直接应用重写后的查询进行分割，显示出良好的性能提升。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用简洁重写查询后，平均时间准确率从60.92%提升至92.21%，平均vIoU从20.08%提升至76.94%。这些结果显示了该方法在复杂对象分割任务中的显著性能提升，且无需额外的微调，具有较高的实用性。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、视频监控和虚拟现实等场景，能够帮助系统更好地理解动态环境中的复杂对象。通过提高查询的有效性，该方法可以在多种语言引导的任务中实现更高的准确性和效率，未来可能推动智能系统在复杂场景下的应用。
📄 摘要（原文）
Recent 4D Gaussian representation frameworks have demonstrated strong performance in language-guided dynamic scene understanding. However, these methods remain highly sensitive to verbose and narrative-style queries that contain noisy contextual information. In this paper, we investigate the impact of query rewriting for complex object segmentation in 4D Gaussian representations. Inspired by recent findings in retrieval-augmented language models and keyword-guided query reformulation, we propose a training-free reinterpretation strategy that transforms long descriptive queries into concise keyword-grounded forms. Our approach progressively reduces linguistic noise while preserving semantic anchors relevant to object-centric representations. Experiments on HyperNeRF and Neu3D demonstrate that concise rewritten queries significantly improve both temporal localization and spatial segmentation performance. In particular, our method improves average temporal accuracy from 60.92% to 92.21% and average vIoU from 20.08% to 76.94% without any additional fine-tuning. Extensive ablation studies further reveal that shorter, keyword-focused queries consistently yield stable video-feature similarity distributions and better alignment with object-centric Gaussian representations