論文の概要: TrackerSplat: Exploiting Point Tracking for Fast and Robust Dynamic 3D Gaussians Reconstruction
- arxiv url: http://arxiv.org/abs/2604.02586v1
- Date: Thu, 02 Apr 2026 23:43:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.248716
- Title: TrackerSplat: Exploiting Point Tracking for Fast and Robust Dynamic 3D Gaussians Reconstruction
- Title（参考訳）: TrackerSplat:高速でロバストな動的3Dガウス再構成のための点追跡
- Abstract要約: 動的シーン再構成のための3DGSのロバスト性とスケーラビリティを高めるために,先進的な点追跡手法を統合する新しい手法である textitTrackerSplat を導入する。
TrackerSplatはフレーム間の大きな変位を効果的に処理し、それまでの手法で一般的だった色付けや再色付けを劇的に削減する。
実世界のデータセットの実験は、大きな変位を伴う挑戦的なシナリオにおけるTrackerSplatの堅牢性を確認する。
- 参考スコア（独自算出の注目度）: 13.65229165812888
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advancements in 3D Gaussian Splatting (3DGS) have demonstrated its potential for efficient and photorealistic 3D reconstructions, which is crucial for diverse applications such as robotics and immersive media. However, current Gaussian-based methods for dynamic scene reconstruction struggle with large inter-frame displacements, leading to artifacts and temporal inconsistencies under fast object motions. To address this, we introduce \textit{TrackerSplat}, a novel method that integrates advanced point tracking methods to enhance the robustness and scalability of 3DGS for dynamic scene reconstruction. TrackerSplat utilizes off-the-shelf point tracking models to extract pixel trajectories and triangulate per-view pixel trajectories onto 3D Gaussians to guide the relocation, rotation, and scaling of Gaussians before training. This strategy effectively handles large displacements between frames, dramatically reducing the fading and recoloring artifacts prevalent in prior methods. By accurately positioning Gaussians prior to gradient-based optimization, TrackerSplat overcomes the quality degradation associated with large frame gaps when processing multiple adjacent frames in parallel across multiple devices, thereby boosting reconstruction throughput while preserving rendering quality. Experiments on real-world datasets confirm the robustness of TrackerSplat in challenging scenarios with significant displacements, achieving superior throughput under parallel settings and maintaining visual quality compared to baselines. The code is available at https://github.com/yindaheng98/TrackerSplat.
- Abstract（参考訳）: 近年の3Dガウススプラッティング(3DGS)の進歩は、ロボット工学や没入型メディアなどの多様な応用に欠かせない、効率的で光実写的な3D再構成の可能性を示している。
しかし、現在のガウスに基づく動的シーン再構築法は、フレーム間の大きな変位に悩まされ、高速物体運動下でのアーティファクトや時間的不整合につながる。
そこで本研究では,動的シーン再構築のための3DGSのロバスト性とスケーラビリティを高めるために,高度な点追跡手法を統合する新しい手法である「textit{TrackerSplat}」を紹介する。
TrackerSplatは、市販の点追跡モデルを使用して、画素軌跡を抽出し、ビュー毎の画素軌跡を3Dガウスアンに三角測量し、トレーニング前にガウス人の移動、回転、スケーリングをガイドする。
この戦略は、フレーム間の大きな変位を効果的に処理し、それまでの手法で一般的であった色付けや再色付けを劇的に削減する。
グラデーションベースの最適化に先立ってガウスを正確に位置決めすることにより、TrackerSplatは、複数の隣接フレームを複数のデバイスで並列に処理する際の大きなフレームギャップに関連する品質劣化を克服し、レンダリング品質を維持しながら再構築スループットを向上する。
実世界のデータセットの実験は、大きな変位を伴う挑戦的なシナリオにおけるTrackerSplatの堅牢性を確認し、並列設定で優れたスループットを実現し、ベースラインと比較して視覚的品質を維持する。
コードはhttps://github.com/yindaheng98/TrackerSplatで公開されている。
関連論文リスト
- LightSplat: Real-Time High-Fidelity 3D Gaussian SLAM with Loop Closure [19.174690314969737]
LightSplatはハイブリッド表現RGB-D SLAMフレームワークである。
デュアルスレッドバックエンドで堅牢で高速なトラッキングのために、ローカルスパース機能をシナジする。
高忠実度ガウス写像のオンライン再構築を実現している。
論文 参考訳（メタデータ） (2026-09-07T09:37:03Z) - Stipple: Real-Time Incremental Gaussian Splatting with Visual-Inertial Tracking [45.88028371034407]
本稿では,効率的な視覚慣性追跡システムを活用することで,リアルタイムに追跡と再構築を行う新しい手法を提案する。
3DGSの重い前処理とトレーニングのステップの多くは、より効率的なインクリメンタルトレーニング戦略に置き換えられることが示されています。
論文 参考訳（メタデータ） (2026-08-02T02:17:05Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - GARAD-SLAM: 3D GAussian splatting for Real-time Anti Dynamic SLAM [9.060527946525381]
動的シーンに適したリアルタイム3DGSベースのSLAMシステムであるGARAD-SLAMを提案する。
追跡の面では、ガウスの動的セグメンテーションを直接実行し、それらをフロントエンドにマッピングして動的点ラベルを得る。
実世界のデータセットを用いた結果から,本手法はベースライン手法と比較して,トラッキングに競争力があることが示された。
論文 参考訳（メタデータ） (2025-02-05T14:44:17Z) - Temporally Compressed 3D Gaussian Splatting for Dynamic Scenes [46.64784407920817]
時間圧縮3Dガウススティング(TC3DGS)は動的3Dガウス表現を圧縮する新しい技術である。
複数のデータセットにまたがる実験により、T3DGSは最大67$times$圧縮を実現し、視覚的品質の劣化を最小限に抑えることができた。
論文 参考訳（メタデータ） (2024-12-07T17:03:09Z) - Street Gaussians without 3D Object Tracker [84.89933388445185]
既存のほとんどの方法は、オブジェクトポーズの労働集約的な手動ラベリングに依存している。
本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。
我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
論文 参考訳（メタデータ） (2024-12-07T05:49:42Z) - T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。
我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
論文 参考訳（メタデータ） (2024-11-29T07:45:24Z) - Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。
3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
論文 参考訳（メタデータ） (2024-11-19T11:59:54Z) - SpotlessSplats: Ignoring Distractors in 3D Gaussian Splatting [44.42317312908314]
3D Gaussian Splatting (3DGS)は、3D再構成のための有望な技術であり、効率的なトレーニングとレンダリング速度を提供する。
現在の手法では、3DGSのビュー間の一貫性の仮定を満たすために、高度に制御された環境が必要である。
SpotLessSplatsは、トレーニング済みと汎用の機能と頑健な最適化を併用して、過渡的障害を効果的に無視するアプローチである。
論文 参考訳（メタデータ） (2024-06-28T17:07:11Z) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z)
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。