一种基于层级语义场的三维场景语义查询方法

一种基于层级语义场的开放词汇三维场景语义查询方法，通过零样本分割模型SAM提取子部分、部分和整体层级的实例掩码，结合CLIP编码器生成像素级多粒度语义特征图；改进神经辐射场架构，设计多分辨率哈希网格与多头多层感知机网络，实现三维空间坐标到多层级语义特征的高效映射，并引入区域对比损失和特征一致性损失约束跨视角语义一致性；在推理阶段，通过计算文本特征与渲染语义特征的相似度自适应选择最优层级，生成高精度语义分割结果。本发明突破传统方法依赖裁剪图像块导致的特征模糊问题，解决了开放词汇场景下语义查询精度低、多粒度理解不足及跨视角冲突的难题，为三维场景交互提供了细粒度、鲁棒性强的自然语言驱动解决方案。