論文の概要: Relaxed Rigidity with Ray-based Grouping for Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.24994v1
• Date: Thu, 26 Mar 2026 03:38:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.082389
• Title: Relaxed Rigidity with Ray-based Grouping for Dynamic Gaussian Splatting
• Title（参考訳）: 動的ガウス平滑化のためのレイベースグルーピングによる緩和剛性
• Authors: Junoh Leea, Junmyeong Lee, Yeon-Ji Song, Inhwan Bae, Jisu Shin, Hae-Gon Jeon, Jin-Hwa Kim,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.499091093269335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The reconstruction of dynamic 3D scenes using 3D Gaussian Splatting has shown significant promise. A key challenge, however, remains in modeling realistic motion, as most methods fail to align the motion of Gaussians with real-world physical dynamics. This misalignment is particularly problematic for monocular video datasets, where failing to maintain coherent motion undermines local geometric structure, ultimately leading to degraded reconstruction quality. Consequently, many state-of-the-art approaches rely heavily on external priors, such as optical flow or 2D tracks, to enforce temporal coherence. In this work, we propose a novel method to explicitly preserve the local geometric structure of Gaussians across time in 4D scenes. Our core idea is to introduce a view-space ray grouping strategy that clusters Gaussians intersected by the same ray, considering only those whose $α$-blending weights exceed a threshold. We then apply constraints to these groups to maintain a consistent spatial distribution, effectively preserving their local geometry. This approach enforces a more physically plausible motion model by ensuring that local geometry remains stable over time, eliminating the reliance on external guidance. We demonstrate the efficacy of our method by integrating it into two distinct baseline models. Extensive experiments on challenging monocular datasets show that our approach significantly outperforms existing methods, achieving superior temporal consistency and reconstruction quality.
• Abstract（参考訳）: 3次元ガウススプラッティングによる動的3次元シーンの再構築は大きな可能性を秘めている。 しかし、ほとんどの手法はガウスの運動と現実世界の物理力学の整合に失敗するため、現実的な運動をモデル化する上で重要な課題が残っている。 このミスアライメントはモノクロビデオデータセットにおいて特に問題であり、コヒーレントな動きの維持に失敗すると局所的な幾何学的構造が損なわれ、最終的に劣化した再構成の品質が損なわれる。 その結果、最先端の多くのアプローチは、時間的コヒーレンスを強制するために、光学フローや2Dトラックのような外部の先行技術に大きく依存している。 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。 我々の中核となる考え方は、α$-blending weightsがしきい値を超えるものだけを考えると、ガウシアンを同じ光線で交差させるビュースペース・レイ・グルーピング戦略を導入することである。 次にこれらの群に制約を適用して一貫した空間分布を保ち、局所幾何学を効果的に保存する。 このアプローチは、局所幾何学が時間とともに安定であり続けることを保証することで、より物理的に妥当な運動モデルを適用し、外部ガイダンスへの依存を排除している。 2つの異なるベースラインモデルに統合することで,本手法の有効性を実証する。 難解な単分子データセットに対する大規模な実験は、我々のアプローチが既存の手法を著しく上回り、時間的整合性と復元品質を向上していることを示している。

関連論文リスト

• DRoPS: Dynamic 3D Reconstruction of Pre-Scanned Objects [39.92394397834325]
  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。
  論文  参考訳（メタデータ） (2026-03-25T19:41:50Z)
• TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
  Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。 TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
  論文  参考訳（メタデータ） (2026-02-12T08:33:01Z)
• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• 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)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)

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。