論文の概要: DRoPS: Dynamic 3D Reconstruction of Pre-Scanned Objects
- arxiv url: http://arxiv.org/abs/2603.24770v1
- Date: Wed, 25 Mar 2026 19:41:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:47.968854
- Title: DRoPS: Dynamic 3D Reconstruction of Pre-Scanned Objects
- Title（参考訳）: DRoPS: スキャン済み物体の動的3次元再構成
- Authors: Narek Tumanyan, Samuel Rota Bulò, Denis Rozumny, Lorenzo Porzi, Adam Harley, Tali Dekel, Peter Kontschieder, Jonathon Luiten,
- Abstract要約: DRoPSは動的物体の静的前スキャンを明示的な幾何学的・外見的手法として活用する新しい手法である。
本手法は,レンダリング品質と3次元トラッキング精度において,最先端の技術を著しく向上させる。
- 参考スコア（独自算出の注目度）: 39.92394397834325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic scene reconstruction from casual videos has seen recent remarkable progress. Numerous approaches have attempted to overcome the ill-posedness of the task by distilling priors from 2D foundational models and by imposing hand-crafted regularization on the optimized motion. However, these methods struggle to reconstruct scenes from extreme novel viewpoints, especially when highly articulated motions are present. In this paper, we present DRoPS, a novel approach that leverages a static pre-scan of the dynamic object as an explicit geometric and appearance prior. While existing state-of-the-art methods fail to fully exploit the pre-scan, DRoPS leverages our novel setup to effectively constrain the solution space and ensure geometrical consistency throughout the sequence. The core of our novelty is twofold: first, we establish a grid-structured and surface-aligned model by organizing Gaussian primitives into pixel grids anchored to the object surface. Second, by leveraging the grid structure of our primitives, we parameterize motion using a CNN conditioned on those grids, injecting strong implicit regularization and correlating the motion of nearby points. Extensive experiments demonstrate that our method significantly outperforms the current state of the art in rendering quality and 3D tracking accuracy.
- Abstract（参考訳）: カジュアルビデオからの動的シーン再構築は近年顕著な進歩を遂げている。
多くの手法が2次元基礎モデルから先行情報を蒸留し、手作りの正規化を最適化運動に課すことによってタスクの不適切さを克服しようと試みている。
しかし、これらの手法は、特に高度に調音された動きが存在する場合、非常に斬新な視点からシーンを再構築するのに苦労する。
本稿では,動的物体の静的前スキャンを,それ以前の明示的な幾何学的・外見として活用する新しいアプローチであるDRoPSを提案する。
既存の最先端の手法では事前スキャンを完全に活用できないが、DRoPSは我々の新しいセットアップを活用し、解空間を効果的に制限し、シーケンス全体の幾何的整合性を確保する。
まず、ガウス的プリミティブをオブジェクト表面に固定されたピクセルグリッドに整理することで、グリッド構造および表面整列モデルを確立する。
第二に, プリミティブのグリッド構造を利用して, それらのグリッド上に条件付きCNNを用いて動きをパラメータ化し, 強い暗黙正則化を注入し, 近傍の点の動きを関連付ける。
広汎な実験により,本手法はレンダリング品質と3次元トラッキング精度において,最先端の精度を著しく上回ることを示した。
関連論文リスト
- Relaxed Rigidity with Ray-based Grouping for Dynamic Gaussian Splatting [40.499091093269335]
本研究では,ガウスの局所的な幾何学的構造を4次元のシーンで明確に保存する手法を提案する。
提案手法は従来の手法よりも優れ,時間的整合性と復元性に優れていた。
論文 参考訳（メタデータ） (2026-03-26T03:38:38Z) - Motion4D: Learning 3D-Consistent Motion and Semantics for 4D Scene Understanding [54.859943475818234]
基礎モデルからの2次元先行を統一された4次元ガウススプラッティング表現に統合する新しいフレームワークであるMotion4Dを提案する。
1) 局所的な一貫性を維持するために連続的に動き場と意味体を更新する逐次最適化,2) 長期的コヒーレンスのために全ての属性を共同で洗練するグローバル最適化,である。
提案手法は,ポイントベーストラッキング,ビデオオブジェクトセグメンテーション,新しいビュー合成など,多様なシーン理解タスクにおいて,2次元基礎モデルと既存の3Dベースアプローチの両方に優れる。
論文 参考訳（メタデータ） (2025-12-03T09:32:56Z) - 4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos [52.89084603734664]
静的および動的コンポーネントを2段階のアプローチで分離する,ポーズフリーな動的ニューラルネットワークレンダリングフレームワークである4D3Rを提案する。
提案手法は最先端手法よりも最大1.8dBPSNRの改善を実現する。
論文 参考訳（メタデータ） (2025-11-07T13:25:50Z) - MoAngelo: Motion-Aware Neural Surface Reconstruction for Dynamic Scenes [9.504709780252979]
本稿では,静的3次元再構成手法であるNeuralAngeloを拡張した,高精細な動的再構成のための新しいフレームワークを提案する。
本稿では,ActorsHQデータセットにおける従来の最先端手法と比較して,再構築精度が優れていることを示す。
論文 参考訳（メタデータ） (2025-09-19T11:43:01Z) - DriveSplat: Decoupled Driving Scene Reconstruction with Geometry-enhanced Partitioned Neural Gaussians [16.363638581354305]
運転シナリオの領域では、高速走行車、歩行者の移動、大規模静的背景の存在が、3Dシーンの再構築に重大な課題となっている。
3次元ガウス散乱に基づく最近の手法は、シーン内の動的成分と静的成分を分離することで、動きのぼかし問題に対処する。
本稿では,動的静的デカップリングを用いたニューラルガウス表現に基づくシナリオ駆動のための高品質な再構成手法であるDriveSplatを紹介する。
論文 参考訳（メタデータ） (2025-08-21T09:14:50Z) - D$^2$USt3R: Enhancing 3D Reconstruction for Dynamic Scenes [54.886845755635754]
本研究は動的シーンにおける3次元再構成の課題に対処し,物体の動きが従来の3次元ポイントマップ回帰法の品質を劣化させる。
空間的側面と時間的側面の両方を明示的に組み込むことにより,提案した点マップに対する3次元密度対応のカプセル化に成功した。
論文 参考訳（メタデータ） (2025-04-08T17:59:50Z) - MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion [118.74385965694694]
我々は動的シーンから時間ステップごとの幾何を直接推定する新しい幾何学的アプローチであるMotion DUSt3R(MonST3R)を提案する。
各タイムステップのポイントマップを単純に推定することで、静的シーンにのみ使用されるDUST3Rの表現を動的シーンに効果的に適応させることができる。
我々は、問題を微調整タスクとしてポーズし、いくつかの適切なデータセットを特定し、この制限されたデータ上でモデルを戦略的に訓練することで、驚くほどモデルを動的に扱えることを示す。
論文 参考訳（メタデータ） (2024-10-04T18:00:07Z) - Shape of Motion: 4D Reconstruction from a Single Video [42.42669078777769]
本稿では,世界座標フレーム内の3次元運動軌跡を明示的かつ永続的に特徴付ける,ジェネリックダイナミックシーンの再構築手法を提案する。
まず,コンパクトなSE(3)モーションベースでシーンの動きを表現することで,3次元動作の低次元構造を利用する。
第2に,単眼深度マップや長距離2Dトラックなどの既成データ駆動の先行データを利用して,これらのノイズを効果的に処理する方法を考案する。
論文 参考訳（メタデータ） (2024-07-18T17:59:08Z)
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。