論文の概要: Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction
- arxiv url: http://arxiv.org/abs/2510.12768v1
- Date: Tue, 14 Oct 2025 17:47:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:32.427844
- Title: Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction
- Title（参考訳）: 特異な4次元再構成のための動的ガウス平滑化における不確かさ
- Authors: Fengzhi Guo, Chih-Chuan Hsu, Sihao Ding, Cheng Zhang,
- Abstract要約: 本研究では,信頼性の高い動作キューを伝播させて4次元再構成を向上する,不確かさを意識した動的ガウス平滑化フレームワークを提案する。
我々の重要な洞察は、時間ごとの不確実性を推定し、それを利用して不確実性を考慮した最適化のための安定なグラフを構築することである。
- 参考スコア（独自算出の注目度）: 5.539555430264606
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing dynamic 3D scenes from monocular input is fundamentally under-constrained, with ambiguities arising from occlusion and extreme novel views. While dynamic Gaussian Splatting offers an efficient representation, vanilla models optimize all Gaussian primitives uniformly, ignoring whether they are well or poorly observed. This limitation leads to motion drifts under occlusion and degraded synthesis when extrapolating to unseen views. We argue that uncertainty matters: Gaussians with recurring observations across views and time act as reliable anchors to guide motion, whereas those with limited visibility are treated as less reliable. To this end, we introduce USplat4D, a novel Uncertainty-aware dynamic Gaussian Splatting framework that propagates reliable motion cues to enhance 4D reconstruction. Our key insight is to estimate time-varying per-Gaussian uncertainty and leverages it to construct a spatio-temporal graph for uncertainty-aware optimization. Experiments on diverse real and synthetic datasets show that explicitly modeling uncertainty consistently improves dynamic Gaussian Splatting models, yielding more stable geometry under occlusion and high-quality synthesis at extreme viewpoints.
- Abstract（参考訳）: モノクルインプットから動的3Dシーンを再構築することは、基本的には非拘束的であり、閉塞性や極端な新奇な視点から生じる曖昧さがある。
動的ガウススプラッティングは効率的な表現を提供するが、バニラモデルはすべてのガウス原始体を一様に最適化し、それらがよく観察されているかどうかを無視する。
この制限は、見えない視点に外挿する際に、排他的および劣化した合成の下で動きの漂流を引き起こす。
我々は不確実性について論じる: 視界を横切る観察を繰り返したガウス人は、動きを導くための信頼できるアンカーとして機能する一方、視界に制限のあるガウス人は、信頼性の低いものとして扱われる。
この目的のために,信頼性の高い動作キューを伝播して4D再構成を促進する,不確かさを意識した動的ガウス平滑化フレームワークであるUSplat4Dを紹介した。
我々の重要な洞察は、ガウスあたりの時間変化の不確実性を推定し、不確実性を考慮した最適化のための時空間グラフを構築することである。
多様な実・合成データセットの実験により、明示的なモデリングの不確実性は動的ガウススプラッティングモデルを改善することが示され、極端な視点での閉塞下でのより安定した幾何学と高品質な合成が得られる。
関連論文リスト
- RU4D-SLAM: Reweighting Uncertainty in Gaussian Splatting SLAM for 4D Scene Reconstruction [8.13353479857245]
4Dリコンストラクション、特に4Dガウシアンスプラッティングは、これらの課題に対処するための有望な方向性を提供する。
本研究では,4次元シーン再構成のための頑健で効率的なフレームワーク,すなわち,ガウススティングSLAM(RU4D-SLAM)における不確実性の再重み付けを提案する。
提案手法は,軌道精度と4次元シーン再構成の両面において,最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2026-02-24T11:47:43Z) - i-PhysGaussian: Implicit Physical Simulation for 3D Gaussian Splatting [60.46736489360263]
i-PhysGaussian は 3D Gaussian Splatting (3DGS) と暗黙のMaterial Point Method (MPM) を結合するフレームワークである。
明示的な方法とは異なり、我々の解は運動量-平衡残差を最小化することでステップの終了状態を得る。
結果は、i-PhysGaussianは明示的なベースラインよりも最大20倍の時間ステップで安定性を維持することを示した。
論文 参考訳（メタデータ） (2026-02-19T06:38:35Z) - Uncertainty-Aware 4D Gaussian Splatting for Monocular Occluded Human Rendering [20.390068289144484]
本稿では,確率的変形ネットワークとダブルラスタライズパイプラインを統合したフレームワークであるU-4DGSを提案する。
このアーキテクチャは、適応変調器として機能する画素整列不確実性マップを描画し、信頼できない観測からアーチファクトを自動的に減衰させる。
ZJU-MoCapとOcMotionの実験は、U-4DGSがSOTAレンダリングの忠実性と堅牢性を達成することを示した。
論文 参考訳（メタデータ） (2026-02-06T03:14:37Z) - EVolSplat4D: Efficient Volume-based Gaussian Splatting for 4D Urban Scene Synthesis [43.898895514609286]
EvolSplat4Dは、ボリュームベースとピクセルベースのガウス予測を統合することで、既存のピクセル単位のパラダイムを超えたフィードフォワードフレームワークである。
EvolSplat4Dは静的環境と動的環境の両方を高い精度と一貫性で再構成し、シーンごとの最適化と最先端のフィードフォワードベースラインの両方に優れることを示す。
論文 参考訳（メタデータ） (2026-01-22T13:39:29Z) - RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。
いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
論文 参考訳（メタデータ） (2025-12-04T14:05:09Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling [68.65587507038539]
本稿では,動的都市景観モデリングのための拡散強調4次元ガウス平滑化フレームワークを提案する。
我々の重要な洞察は、テスト時間に適応したビデオ拡散モデルから頑健で時間的に一貫した事前情報を抽出することである。
提案手法は, 高速移動物体の動的モデリングを著しく向上させ, 2dBのPSNRゲインを近似的に達成する。
論文 参考訳（メタデータ） (2025-08-04T07:24:05Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - Gaussians on their Way: Wasserstein-Constrained 4D Gaussian Splatting with State-Space Modeling [4.335875257359598]
現実世界と同じように自然に3Dガウスを移動させる方法を紹介します。
先行予測と現在の観測とを融合した状態整合フィルタを提案する。
また、ワッサーシュタイン距離正規化を用いて、ガウスパラメータのスムーズで一貫した更新を保証する。
論文 参考訳（メタデータ） (2024-11-30T03:16:28Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z)
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。