論文の概要: MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes

• arxiv url: http://arxiv.org/abs/2603.25042v1
• Date: Thu, 26 Mar 2026 05:25:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.116253
• Title: MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes
• Title（参考訳）: MoRGS: スケーラブルなダイナミック3Dシーンのための効率の良いパーガウスモーション推論
• Authors: Wonjoon Lee, Sungmin Woo, Donghyeong Kim, Jungho Lee, Sangheon Park, Sangyoun Lee,
• Abstract要約: 既存のオンラインアプローチでは、真のシーンダイナミクスを反映したガウス運動を学習できない。 提案するMoRGSは, 4次元再構成品質を向上させるために, ガウスごとの動きを明示的にモデル化する, ガウスごとの効率的なオンライン動作推論フレームワークである。
• 参考スコア（独自算出の注目度）: 25.875839319957098
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online reconstruction of dynamic scenes aims to learn from streaming multi-view inputs under low-latency constraints. The fast training and real-time rendering capabilities of 3D Gaussian Splatting have made on-the-fly reconstruction practically feasible, enabling online 4D reconstruction. However, existing online approaches, despite their efficiency and visual quality, fail to learn per-Gaussian motion that reflects true scene dynamics. Without explicit motion cues, appearance and motion are optimized solely under photometric loss, causing per-Gaussian motion to chase pixel residuals rather than true 3D motion. To address this, we propose MoRGS, an efficient online per-Gaussian motion reasoning framework that explicitly models per-Gaussian motion to improve 4D reconstruction quality. Specifically, we leverage optical flow on a sparse set of key views as lightweight motion cues that regularize per-Gaussian motion beyond photometric supervision. To compensate for the sparsity of flow supervision, we learn a per-Gaussian motion offset field that reconciles discrepancies between projected 3D motion and observed flow across views and time. In addition, we introduce a per-Gaussian motion confidence that separates dynamic from static Gaussians and weights Gaussian attribute residual updates, thereby suppressing redundant motion in static regions for better temporal consistency and accelerating the modeling of large motions. Extensive experiments demonstrate that MoRGS achieves state-of-the-art reconstruction quality and motion fidelity among online methods, while maintaining streamable performance.
• Abstract（参考訳）: 動的シーンのオンライン再構築は、低レイテンシ制約下でのマルチビュー入力のストリーミングから学ぶことを目的としている。 3Dガウシアン・スプレイティングの高速トレーニングとリアルタイムレンダリングにより、オンザフライでの再現が実現可能となり、オンライン4D再構成が可能になった。 しかし、既存のオンラインアプローチは、その効率性と視覚的品質にもかかわらず、真のシーンダイナミクスを反映したガウス運動の学習に失敗している。 明示的な動きの手がかりがなければ、外見と動きは光度損失にのみ最適化され、ガウスあたりの動きは真の3Dの動きよりもピクセル残像を追尾する。 そこで本研究では, 4次元再構成品質を向上させるために, ガウスごとの動きを明示的にモデル化する, 効率的なオンライン・ガウスごとの動作推論フレームワークであるMoRGSを提案する。 具体的には、ガウスあたりの動きを測光監督を超えた規則化するための軽量なモーションキューとして、キービューのスパースセット上の光の流れを利用する。 流れの監督の幅を補うために、投影された3次元運動と観察されたビューと時間の間の流れの相違を再現するガウス運動オフセット場を学習する。 さらに,静的なガウス的属性残差更新を重み付けし,時間的整合性を向上し,大きな動きのモデリングを高速化するために静的な領域における冗長な動きを抑制するガウス運動の信頼性を導入する。 大規模な実験により、MoRGSは、ストリーミング性能を維持しながら、オンライン手法における最先端の再構築品質と動きの忠実性を達成することが実証された。

関連論文リスト

• From Tokens to Nodes: Semantic-Guided Motion Control for Dynamic 3D Gaussian Splatting [26.57713792657793]
  制御密度と動きの複雑さを一致させる動き適応フレームワークを提案する。 既存の最先端手法に比べて,復元品質と効率が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-10-03T05:33:58Z)
• Enhanced Velocity Field Modeling for Gaussian Video Reconstruction [21.54297055995746]
  バーチャル・拡張現実(VR/AR)における動的シーンのリアルタイムレンダリングを実現するためには,高忠実度3次元映像再構成が不可欠である 本稿では,フローガウス-VR(FlowGaussian-VR)と呼ばれるガウスビデオ再構成に適した流速場モデリング手法を提案する。 フローベースの最適化を可能にする速度場レンダリング(VFR)パイプラインと、動的領域におけるガウス数とサイズを調整するフローアシスト適応密度化(FAD)戦略の2つのコアコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-07-31T16:26:22Z)
• M2DAO-Talker: Harmonizing Multi-granular Motion Decoupling and Alternating Optimization for Talking-head Generation [65.48046909056468]
  我々は,音声音声生成をビデオ前処理,モーション表現,レンダリング再構成を含む統一的なフレームワークに再構成する。 M2DAO-Talkerは2.43dBのPSNRの改善とユーザ評価ビデオの画質0.64アップで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-07-11T04:48:12Z)
• Motion Matters: Compact Gaussian Streaming for Free-Viewpoint Video Reconstruction [57.76758872762516]
  3D Gaussian Splatting (3DGS)は、オンライン自由視点ビデオ(FVV)再構成のための高忠実で効率的なパラダイムとして登場した。 本研究では,動的シーンにおける動きの局所性と一貫性を活かした,コンパクトガウスストリーミング(ComGS)フレームワークを提案する。 ComGS は 3DGStream や 14X に比べて 159 X 以上のストレージ削減を実現している。
  論文  参考訳（メタデータ） (2025-05-22T11:22:09Z)
• CoMoGaussian: Continuous Motion-Aware Gaussian Splatting from Motion-Blurred Images [19.08403715388913]
  3D Gaussian Splattingは高品質のノベルビューレンダリングのために注目されている。 重要な問題は、露出中の動きによるカメラの動きのぼかしであり、正確な3Dシーンの復元を妨げる。 動きブル画像から正確な3Dシーンを再構成する連続運動対応ガウス版CoMoGaussianを提案する。
  論文  参考訳（メタデータ） (2025-03-07T11:18:43Z)
• MotionGS: Exploring Explicit Motion Guidance for Deformable 3D Gaussian Splatting [56.785233997533794]
  我々はMotionGSと呼ばれる新しい変形可能な3次元ガウススプレイティングフレームワークを提案する。 MotionGSは3Dガウスの変形を導くために、前もって明示的な動きを探索する。 モノラルなダイナミックシーンの実験では、MotionGSが最先端の手法を超越していることが確認された。
  論文  参考訳（メタデータ） (2024-10-10T08:19:47Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)

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。