論文の概要: MAPo : Motion-Aware Partitioning of Deformable 3D Gaussian Splatting for High-Fidelity Dynamic Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2508.19786v1
• Date: Wed, 27 Aug 2025 11:10:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.605766
• Title: MAPo : Motion-Aware Partitioning of Deformable 3D Gaussian Splatting for High-Fidelity Dynamic Scene Reconstruction
• Title（参考訳）: MAPo : 高忠実度ダイナミックシーン再構築のための変形性3次元ガウス平板の運動認識分割
• Authors: Han Jiao, Jiakai Sun, Yexing Xu, Lei Zhao, Wei Xing, Huaizhong Lin,
• Abstract要約: 変形可能な3次元ガウス平板(MAPo)の運動認識分割について紹介する。 MAPoは高忠実度動的シーン再構築のための新しいフレームワークである。 これは、同等の計算コストを維持しながら、ベースラインよりも優れたレンダリング品質を実現する。
• 参考スコア（独自算出の注目度）: 13.28997490352807
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting, known for enabling high-quality static scene reconstruction with fast rendering, is increasingly being applied to dynamic scene reconstruction. A common strategy involves learning a deformation field to model the temporal changes of a canonical set of 3D Gaussians. However, these deformation-based methods often produce blurred renderings and lose fine motion details in highly dynamic regions due to the inherent limitations of a single, unified model in representing diverse motion patterns. To address these challenges, we introduce Motion-Aware Partitioning of Deformable 3D Gaussian Splatting (MAPo), a novel framework for high-fidelity dynamic scene reconstruction. Its core is a dynamic score-based partitioning strategy that distinguishes between high- and low-dynamic 3D Gaussians. For high-dynamic 3D Gaussians, we recursively partition them temporally and duplicate their deformation networks for each new temporal segment, enabling specialized modeling to capture intricate motion details. Concurrently, low-dynamic 3DGs are treated as static to reduce computational costs. However, this temporal partitioning strategy for high-dynamic 3DGs can introduce visual discontinuities across frames at the partition boundaries. To address this, we introduce a cross-frame consistency loss, which not only ensures visual continuity but also further enhances rendering quality. Extensive experiments demonstrate that MAPo achieves superior rendering quality compared to baselines while maintaining comparable computational costs, particularly in regions with complex or rapid motions.
• Abstract（参考訳）: 高速レンダリングによる高品質な静的シーン再構築を可能にすることで知られている3Dガウススプラッティングは、動的シーン再構築にますます応用されている。 一般的な戦略は、3次元ガウスの正準集合の時間的変化をモデル化するために変形場を学ぶことである。 しかしながら、これらの変形に基づく手法は、様々な動きパターンを表す単一の統一モデル固有の制限のために、しばしばぼやけたレンダリングを生成し、非常にダイナミックな領域で細かな動きの詳細を失う。 これらの課題に対処するために,高忠実度ダイナミックシーン再構築のための新しいフレームワークである,変形可能な3次元ガウス分割(MAPo)を提案する。 その中核は、ハイダイナミックとローダイナミックな3Dガウスを区別する動的スコアベースのパーティショニング戦略である。 高ダイナミックな3Dガウスでは、時間的に再帰的に分割し、その変形ネットワークを新しい時間セグメントごとに複製することで、複雑な動きの詳細をモデリングすることができる。 同時に、低ダイナミックな3DGは、計算コストを削減するために静的に扱われる。 しかし、高ダイナミックな3DGに対するこの時間分割戦略は、分割境界におけるフレーム間の視覚的不連続を導入することができる。 これを解決するために、フレーム間の整合性損失を導入し、視覚的連続性を保証するだけでなく、レンダリング品質をさらに向上する。 大規模な実験により、MAPoはベースラインよりも優れたレンダリング品質を達成し、特に複雑な動きや急激な動きを持つ領域において、同等の計算コストを維持していることが示された。

関連論文リスト

• Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
  本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。 本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
  論文  参考訳（メタデータ） (2025-08-07T01:39:29Z)
• SD-GS: Structured Deformable 3D Gaussians for Efficient Dynamic Scene Reconstruction [5.818188539758898]
  複雑な動的シーン再構成のためのコンパクトで効率的な動的スプレイティングフレームワークSD-GSを提案する。 また,過度に再構成された高流動領域のアンカーを適応的に成長させる変形認識型密度化戦略を提案する。 実験の結果,SD-GSはモデルサイズを60%削減し,FPSを100%改善することがわかった。
  論文  参考訳（メタデータ） (2025-07-10T06:35:03Z)
• HAIF-GS: Hierarchical and Induced Flow-Guided Gaussian Splatting for Dynamic Scene [11.906835503107189]
  本稿では,スパースアンカー駆動変形による構造的・一貫した動的モデリングを実現する統合フレームワークHAIF-GSを提案する。 HAIF-GSは, レンダリング品質, 時間的コヒーレンス, 再構成効率において, 従来の動的3DGS法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-06-11T08:45:08Z)
• FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
  FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。 我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。 いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-05T17:59:57Z)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)
• Periodic Vibration Gaussian: Dynamic Urban Scene Reconstruction and Real-time Rendering [49.36767999382054]
  周期振動ガウスモデル(PVG)を提案する。 PVGは、当初静的シーン表現のために設計された効率的な3Dガウススプラッティング技術に基づいている。 PVGは、最良の代替品よりも900倍の速度でレンダリングできる。
  論文  参考訳（メタデータ） (2023-11-30T13:53:50Z)

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。