論文の概要: Uncertainty-Aware 4D Gaussian Splatting for Monocular Occluded Human Rendering

• arxiv url: http://arxiv.org/abs/2602.06343v1
• Date: Fri, 06 Feb 2026 03:14:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.206983
• Title: Uncertainty-Aware 4D Gaussian Splatting for Monocular Occluded Human Rendering
• Title（参考訳）: 不確かさを意識した1分子吸蔵人間レンダリングのための4次元ガウススプレイティング
• Authors: Weiquan Wang, Feifei Shao, Lin Li, Zhen Wang, Jun Xiao, Long Chen,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.390068289144484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity rendering of dynamic humans from monocular videos typically degrades catastrophically under occlusions. Existing solutions incorporate external priors-either hallucinating missing content via generative models, which induces severe temporal flickering, or imposing rigid geometric heuristics that fail to capture diverse appearances. To this end, we reformulate the task as a Maximum A Posteriori estimation problem under heteroscedastic observation noise. In this paper, we propose U-4DGS, a framework integrating a Probabilistic Deformation Network and a Double Rasterization pipeline. This architecture renders pixel-aligned uncertainty maps that act as an adaptive gradient modulator, automatically attenuating artifacts from unreliable observations. Furthermore, to prevent geometric drift in regions lacking reliable visual cues, we enforce Confidence-Aware Regularizations, which leverage the learned uncertainty to selectively propagate spatial-temporal validity. Extensive experiments on ZJU-MoCap and OcMotion demonstrate that U-4DGS achieves SOTA rendering fidelity and robustness.
• Abstract（参考訳）: 単眼ビデオからの動的人間の高忠実なレンダリングは通常、閉塞下で破滅的に劣化する。 既存のソリューションには、外部の先行性や、生成モデルによって失われたコンテンツを幻覚させるものが含まれており、これは重度の時間的ひねりを引き起こしたり、様々な外観を捉えない厳密な幾何学的ヒューリスティックを示唆する。 そこで本研究では,非定常観測雑音下でのタスクを最大Aポストリオリ推定問題として再検討する。 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、適応勾配変調器として機能する画素整列不確実性写像を描画し、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。 さらに、信頼性の高い視覚的手がかりを欠いた領域における幾何学的ドリフトを防止するために、学習された不確実性を利用して空間的時間的妥当性を選択的に伝播させる信頼認識規則化を施行する。 ZJU-MoCapとOcMotionの大規模な実験は、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。

関連論文リスト

• InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
  InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。 我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
  論文  参考訳（メタデータ） (2026-01-05T13:26:02Z)
• U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences [54.77163447282599]
  既存の生成フレームワークは、すべての空間領域を均一に扱い、現実世界のシーンで様々な不確実性を見渡せる。 4次元LiDAR世界モデリングのための不確実性認識フレームワークであるU4Dを提案する。 提案手法はまず,事前訓練されたセグメンテーションモデルから空間不確実性マップを推定し,意味論的に困難な領域を局所化する。 次に,(1)高エントロピー領域を微細な幾何学的忠実度で再構成する不確実領域モデリング,(2)学習された構造的先行条件の下で残りの領域を合成する不確実条件完備化という2つの段階を通じて,「ハード・トゥ・イージー」な方法で生成を行う。
  論文  参考訳（メタデータ） (2025-12-02T17:59:57Z)
• Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction [5.539555430264606]
  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。
  論文  参考訳（メタデータ） (2025-10-14T17:47:11Z)
• Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
  VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。 本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。 多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
  論文  参考訳（メタデータ） (2025-10-10T13:22:12Z)
• 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)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)

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。