論文の概要: Grow with the Flow: 4D Reconstruction of Growing Plants with Gaussian Flow Fields
- arxiv url: http://arxiv.org/abs/2602.08958v1
- Date: Mon, 09 Feb 2026 17:55:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:25.408371
- Title: Grow with the Flow: 4D Reconstruction of Growing Plants with Gaussian Flow Fields
- Title（参考訳）: 流れを伴う成長:ガウス流場を有する成長植物の4次元再構成
- Authors: Weihan Luo, Lily Goli, Sherwin Bahmani, Felix Taubner, Andrea Tagliasacchi, David B. Lindell,
- Abstract要約: 植物成長をガウスパラメータ上の時間変化微分としてモデル化する3次元ガウス流場表現を提案する。
成熟した植物を再構築し、逆成長の過程を学習し、植物の発達史を効果的に逆向きにシミュレートする。
本手法は,植物成長のマルチビュータイムラプスデータセットにおける先行手法と比較して,画像品質と幾何的精度を向上する。
- 参考スコア（独自算出の注目度）: 37.924718950550336
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modeling the time-varying 3D appearance of plants during their growth poses unique challenges: unlike many dynamic scenes, plants generate new geometry over time as they expand, branch, and differentiate. Recent motion modeling techniques are ill-suited to this problem setting. For example, deformation fields cannot introduce new geometry, and 4D Gaussian splatting constrains motion to a linear trajectory in space and time and cannot track the same set of Gaussians over time. Here, we introduce a 3D Gaussian flow field representation that models plant growth as a time-varying derivative over Gaussian parameters -- position, scale, orientation, color, and opacity -- enabling nonlinear and continuous-time growth dynamics. To initialize a sufficient set of Gaussian primitives, we reconstruct the mature plant and learn a process of reverse growth, effectively simulating the plant's developmental history in reverse. Our approach achieves superior image quality and geometric accuracy compared to prior methods on multi-view timelapse datasets of plant growth, providing a new approach for appearance modeling of growing 3D structures.
- Abstract（参考訳）: 多くの動的なシーンとは異なり、植物は拡大、枝分かれ、分化するにつれて時間とともに新しい幾何学を生成する。
近年の動作モデリング技術はこの問題に不適である。
例えば、変形場は新しい幾何学を導入することができず、4Dガウススプティングは空間と時間における線型軌跡への運動を制限し、時間とともに同じガウスの集合を追跡することはできない。
本稿では, 植物成長をガウスパラメーター(位置, スケール, 向き, 色, 不透明度)よりも経時変化の微分としてモデル化し, 非線形および連続的な成長ダイナミクスを実現する3次元ガウス流場表現を提案する。
十分なガウス原始体を初期化するために、成熟した植物を再構築し、逆成長の過程を学習し、植物の発達史を効果的に逆向きにシミュレートする。
本手法は, 植物成長のマルチビュータイムラプスデータセットにおける先行手法と比較して, 画像品質と幾何的精度を向上し, 成長する3次元構造の外観モデリングに新たなアプローチを提供する。
関連論文リスト
- GeoVideo: Introducing Geometric Regularization into Video Generation Model [46.38507581500745]
フレームごとの深度予測による潜時拡散モデルの拡大により,ビデオ生成に幾何正則化損失を導入する。
本手法は, 外観生成と3次元構造モデリングのギャップを埋めることにより, 構造的コヒーレンス・時間的形状, 整合性, 物理的妥当性が向上する。
論文 参考訳（メタデータ） (2025-12-03T05:11:57Z) - 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) - 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) - GrowSplat: Constructing Temporal Digital Twins of Plants with Gaussian Splats [16.710426662494573]
本稿では,3次元ガウススプラッティングとロバストなサンプルアライメントパイプラインを組み合わせることで,植物の時間的デジタルツインを構築するための新しい枠組みを提案する。
オランダの植物エコ・フェノタイピング・センターのデータに対するアプローチを評価し,セコイア種とキノア種の詳細な時間的再構成を実証した。
論文 参考訳（メタデータ） (2025-05-16T06:56:15Z) - CropCraft: Inverse Procedural Modeling for 3D Reconstruction of Crop Plants [16.558411700996746]
逆手続きモデルによる植物形態のモデル最適化に基づく農作物の3次元再構築手法を提案する。
本手法を農業現場の実画像のデータセット上で検証し, 様々なモニタリング・シミュレーションに応用できることを実証する。
論文 参考訳（メタデータ） (2024-11-14T18:58:02Z) - DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。
幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。
テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
論文 参考訳（メタデータ） (2024-11-03T15:15:01Z) - Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:36:41Z)
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。