論文の概要: DynamicTree: Interactive Real Tree Animation via Sparse Voxel Spectrum

• arxiv url: http://arxiv.org/abs/2510.22213v1
• Date: Sat, 25 Oct 2025 08:21:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.918572
• Title: DynamicTree: Interactive Real Tree Animation via Sparse Voxel Spectrum
• Title（参考訳）: DynamicTree: スパースボクセルスペクトルによるインタラクティブリアルツリーアニメーション
• Authors: Yaokun Li, Lihe Ding, Xiao Chen, Guang Tan, Tianfan Xue,
• Abstract要約: 本研究では,3次元ガウススプラッティングツリーの長期的インタラクティブなアニメーションを生成可能な最初のフレームワークであるDynamicTreeを提案する。 我々のアプローチは、高速なフィードフォワード方式でダイナミクスを生成する。 モデルのトレーニングには,最初の大規模合成4Dツリーデータセットである4DTreeも導入する。
• 参考スコア（独自算出の注目度）: 36.44336019090869
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating dynamic and interactive 3D objects, such as trees, has wide applications in virtual reality, games, and world simulation. Nevertheless, existing methods still face various challenges in generating realistic 4D motion for complex real trees. In this paper, we propose DynamicTree, the first framework that can generate long-term, interactive animation of 3D Gaussian Splatting trees. Unlike prior optimization-based methods, our approach generates dynamics in a fast feed-forward manner. The key success of our approach is the use of a compact sparse voxel spectrum to represent the tree movement. Given a 3D tree from Gaussian Splatting reconstruction, our pipeline first generates mesh motion using the sparse voxel spectrum and then binds Gaussians to deform the mesh. Additionally, the proposed sparse voxel spectrum can also serve as a basis for fast modal analysis under external forces, allowing real-time interactive responses. To train our model, we also introduce 4DTree, the first large-scale synthetic 4D tree dataset containing 8,786 animated tree meshes with semantic labels and 100-frame motion sequences. Extensive experiments demonstrate that our method achieves realistic and responsive tree animations, significantly outperforming existing approaches in both visual quality and computational efficiency.
• Abstract（参考訳）: 木のような動的でインタラクティブな3Dオブジェクトの生成は、仮想現実、ゲーム、世界シミュレーションに広く応用されている。 それでも、既存の手法は、複雑な実木に対して現実的な4Dモーションを生成する上で、様々な課題に直面している。 本稿では,3Dガウススプラッティングツリーの長期的インタラクティブなアニメーションを生成可能な最初のフレームワークであるDynamicTreeを提案する。 従来の最適化手法とは異なり,本手法は高速フィードフォワード方式で動的に生成する。 我々のアプローチの主な成功は、木の動きを表すために、コンパクトなスパースボクセルスペクトルを使用することである。 ガウススプラッティング復元から得られた3次元木を与えられたパイプラインは、まずスパースボクセルスペクトルを用いてメッシュ運動を生成し、その後、ガウスアンに結合してメッシュを変形させる。 さらに、提案したスパースボクセルスペクトルは、外力下での高速なモーダル解析の基盤としても機能し、リアルタイムな対話応答を可能にする。 モデルのトレーニングには,セマンティックラベルと100フレームのモーションシーケンスを備えた8,786本のアニメーションツリーメッシュを含む,最初の大規模合成4Dツリーデータセットである4DTreeも導入した。 広汎な実験により,本手法は現実的で応答性の高いツリーアニメーションを実現し,視覚的品質と計算効率の両面で既存手法よりも優れていた。

関連論文リスト

• AnimateAnyMesh: A Feed-Forward 4D Foundation Model for Text-Driven Universal Mesh Animation [57.199352741915625]
  本稿では,任意の3Dメッシュの効率的なテキスト駆動アニメーションを可能にする最初のフィードフォワードフレームワークであるAnimateAnyMeshを紹介する。 我々のアプローチは、動的メッシュシーケンスを効果的に圧縮し再構成する新しいDyMeshVAEアーキテクチャを活用する。 また、DyMeshデータセットにもコントリビュートし、テキストアノテーション付き4M以上の動的メッシュシーケンスを格納しています。
  論文  参考訳（メタデータ） (2025-06-11T17:55:16Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• 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)
• Dynamic 3D Gaussians: Tracking by Persistent Dynamic View Synthesis [58.5779956899918]
  動的シーンビュー合成と6自由度(6-DOF)追跡のタスクを同時に処理する手法を提案する。 我々は、シーンを3Dガウスアンのコレクションとしてモデル化する最近の研究に触発された、分析バイシンセサイザーの枠組みに従う。 我々は,1人称視点合成,動的合成シーン合成,4次元映像編集など,我々の表現によって実現された多数のダウンストリームアプリケーションを紹介した。
  論文  参考訳（メタデータ） (2023-08-18T17:59:21Z)

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。