論文の概要: Hybrid 3D-4D Gaussian Splatting for Fast Dynamic Scene Representation
- arxiv url: http://arxiv.org/abs/2505.13215v1
- Date: Mon, 19 May 2025 14:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.681369
- Title: Hybrid 3D-4D Gaussian Splatting for Fast Dynamic Scene Representation
- Title（参考訳）: 高速ダイナミックシーン表現のためのハイブリッド3D-4Dガウス平滑化
- Authors: Seungjun Oh, Younggeun Lee, Hyejin Jeon, Eunbyung Park,
- Abstract要約: 高忠実度空間および時間変動をモデル化する能力によって, 4DGS (4D Gaussian Splatting) が魅力的なアプローチとして登場した。
動的要素に対して4次元ガウスアンを保ちながら3次元ガウスアンを持つ静的領域を適応的に表現する新しいフレームワークである3D-4D Gaussian Splatting (3D-4DGS)を紹介する。
本手法は,視覚的品質の維持や改善を図りながら,ベースラインの4Dガウススメッティング法と比較して,トレーニング時間を著しく短縮する。
- 参考スコア（独自算出の注目度）: 2.7463268699570134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advancements in dynamic 3D scene reconstruction have shown promising results, enabling high-fidelity 3D novel view synthesis with improved temporal consistency. Among these, 4D Gaussian Splatting (4DGS) has emerged as an appealing approach due to its ability to model high-fidelity spatial and temporal variations. However, existing methods suffer from substantial computational and memory overhead due to the redundant allocation of 4D Gaussians to static regions, which can also degrade image quality. In this work, we introduce hybrid 3D-4D Gaussian Splatting (3D-4DGS), a novel framework that adaptively represents static regions with 3D Gaussians while reserving 4D Gaussians for dynamic elements. Our method begins with a fully 4D Gaussian representation and iteratively converts temporally invariant Gaussians into 3D, significantly reducing the number of parameters and improving computational efficiency. Meanwhile, dynamic Gaussians retain their full 4D representation, capturing complex motions with high fidelity. Our approach achieves significantly faster training times compared to baseline 4D Gaussian Splatting methods while maintaining or improving the visual quality.
- Abstract（参考訳）: 動的3次元シーン再構成の最近の進歩は有望な成果を示し、時間的整合性を改善した高忠実度3次元新規ビュー合成を可能にした。
これらのうち、4Dガウススプラッティング(4DGS)は、高忠実度空間および時間変動をモデル化する能力によって、魅力的なアプローチとして現れている。
しかし、既存の手法は、4Dガウスアンを静的領域に冗長に割り当てることによって、かなりの計算量とメモリオーバーヘッドに悩まされ、画像品質も低下する可能性がある。
本研究では,3次元ガウスの静的領域を動的要素に保ちながら適応的に表現する新しいフレームワークである3D-4D Gaussian Splatting (3D-4DGS)を紹介する。
提案手法は,完全4次元ガウス表現から始まり,時間不変ガウスを3次元に反復的に変換し,パラメータの数を大幅に削減し,計算効率を向上する。
一方、ダイナミックガウスは完全な4D表現を保持し、高忠実度で複雑な動きを捉えている。
本手法は,視覚的品質の維持や改善を図りながら,ベースラインの4Dガウス平滑化法に比べて訓練時間を著しく短縮する。
関連論文リスト
- Disentangled 4D Gaussian Splatting: Towards Faster and More Efficient Dynamic Scene Rendering [12.27734287104036]
2次元画像から動的シーンを合成する新アンタングルビュー合成(NVS)は重要な課題である。
時間的および空間的変形を両立させる新しい表現・レンダリング手法であるDisentangled 4D Gaussianting(Disentangled4DGS)を導入する。
提案手法は,3090 GPU上での1352times1014$の解像度で,343FPSの平均レンダリング速度を実現している。
論文 参考訳（メタデータ） (2025-03-28T05:46:02Z) - 4D Scaffold Gaussian Splatting for Memory Efficient Dynamic Scene Reconstruction [27.455934322535853]
ストレージコストを低減しつつ、4Dガウスの視覚的品質とレンダリング速度を維持する4Dアンカーベースのフレームワークを提案する。
実験結果から,4DGSよりも最先端の視覚的品質と97.8%のストレージ削減を実現した。
論文 参考訳（メタデータ） (2024-11-26T02:22:07Z) - 4D-Rotor Gaussian Splatting: Towards Efficient Novel View Synthesis for Dynamic Scenes [33.14021987166436]
異方性 4D XYZT Gaussian を用いた動的シーンの表現法である 4DRotorGS を紹介する。
4DRotorGSは空間的時間的表現として、複雑な力学と細部をモデル化する強力な能力を示している。
さらに、3090 GPUで最大277FPS、4090 GPUで最大583FPSのリアルタイムレンダリング速度を達成するために、時間スライシングとアクセラレーションのフレームワークを実装しています。
論文 参考訳（メタデータ） (2024-02-05T18:59:04Z) - DreamGaussian4D: Generative 4D Gaussian Splatting [56.49043443452339]
DG4D(DreamGaussian 4D:DreamGaussian 4D)はGaussian Splatting(GS)をベースとした効率的な4D生成フレームワークである。
我々の重要な洞察は、空間変換の明示的なモデリングと静的GSを組み合わせることで、4次元生成の効率的かつ強力な表現ができるということである。
ビデオ生成手法は、高画質の4D生成を向上し、価値ある時空間前兆を提供する可能性がある。
論文 参考訳（メタデータ） (2023-12-28T17:16:44Z) - Align Your Gaussians: Text-to-4D with Dynamic 3D Gaussians and Composed
Diffusion Models [94.07744207257653]
我々は、探索されていないテキストから4D設定に焦点をあて、動的にアニメーションされた3Dオブジェクトを合成する。
4次元オブジェクト最適化において,テキスト・ツー・イメージ,テキスト・ツー・ビデオ,および3次元認識型多視点拡散モデルを組み合わせてフィードバックを提供する。
論文 参考訳（メタデータ） (2023-12-21T11:41:02Z) - 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering [103.32717396287751]
本研究では,動的シーンの全体像として4D-GS(Gaussian Splatting)を提案する。
HexPlaneにインスパイアされたニューラルボクセル符号化アルゴリズムは、4Dニューラルボクセルの機能を効率的に構築するために提案されている。
我々の4D-GS法は、高解像度の82 FPSで、3090 GPUで800$times$800の解像度でリアルタイムレンダリングを実現する。
論文 参考訳（メタデータ） (2023-10-12T17:21:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。