論文の概要: 4C4D: 4 Camera 4D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2604.04063v1
• Date: Sun, 05 Apr 2026 11:09:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.8995
• Title: 4C4D: 4 Camera 4D Gaussian Splatting
• Title（参考訳）: 4C4D カメラ4D ガウシアン・スプレイティング
• Authors: Junsheng Zhou, Zhifan Yang, Liang Han, Wenyuan Zhang, Kanle Shi, Shenkun Xu, Yu-Shen Liu,
• Abstract要約: 本稿では,4台のポータブルカメラで撮影した映像から4Dダイナミックなシーンを復元する課題に取り組む。 我々は,高忠実度4Dガウシアン・スプラッティングを実現する新しいフレームワークであるtextbf4C4Dを提案する。
• 参考スコア（独自算出の注目度）: 56.926598190499156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the challenge of recovering 4D dynamic scenes from videos captured by as few as four portable cameras. Learning to model scene dynamics for temporally consistent novel-view rendering is a foundational task in computer graphics, where previous works often require dense multi-view captures using camera arrays of dozens or even hundreds of views. We propose \textbf{4C4D}, a novel framework that enables high-fidelity 4D Gaussian Splatting from video captures of extremely sparse cameras. Our key insight lies that the geometric learning under sparse settings is substantially more difficult than modeling appearance. Driven by this observation, we introduce a Neural Decaying Function on Gaussian opacities for enhancing the geometric modeling capability of 4D Gaussians. This design mitigates the inherent imbalance between geometry and appearance modeling in 4DGS by encouraging the 4DGS gradients to focus more on geometric learning. Extensive experiments across sparse-view datasets with varying camera overlaps show that 4C4D achieves superior performance over prior art. Project page at: https://junshengzhou.github.io/4C4D.
• Abstract（参考訳）: 本稿では,4台のポータブルカメラで撮影した映像から4Dダイナミックなシーンを復元する課題に取り組む。 時間的に一貫したノベルビューレンダリングのためのシーンダイナミックスをモデル化する学習は、コンピュータグラフィックスの基本的な課題であり、以前の作品では、数十から数百のビューのカメラアレイを使用して、密集したマルチビューキャプチャを必要とすることが多い。 本稿では,高精細度4Dガウス平滑化を実現するフレームワークである‘textbf{4C4D} を提案する。 我々の重要な洞察は、疎い環境下での幾何学的学習が、外観をモデル化するよりもはるかに難しいことである。 この観測により, 4次元ガウスの幾何モデリング能力を向上させるために, ガウス不透明度に対するニューラルデザイング関数を導入する。 この設計は、4DGS勾配を幾何学学習に集中させることによって、4DGSにおける幾何学と外観モデリングの固有の不均衡を緩和する。 カメラオーバーラップの異なるスパースビューデータセットにわたる大規模な実験は、4C4Dが先行技術よりも優れたパフォーマンスを達成していることを示している。 プロジェクトページ: https://junshengzhou.github.io/4C4D。

関連論文リスト

• UFO-4D: Unposed Feedforward 4D Reconstruction from Two Images [43.53497980792498]
  UFO-4Dは、一対の未提示画像から高密度で明示的な4D表現を再構成するための統合フィードフォワードフレームワークである。 UFO-4Dはダイナミックな3Dガウシアンを直接推定し、3D幾何学、3Dモーション、カメラのポーズのジョイントで一貫した推定を可能にする。 我々の表現はまた、新しいビューや時間にわたって高忠実な4D合成を可能にする。
  論文  参考訳（メタデータ） (2026-02-27T18:59:54Z)
• Joint 3D Geometry Reconstruction and Motion Generation for 4D Synthesis from a Single Image [88.71287865590273]
  そこでTrajScene-60Kについて紹介する。 拡散型4次元シーン軌道生成装置(4D-STraG)を提案する。 次に、4Dポイントトラック表現から任意のカメラトラジェクトリでビデオをレンダリングする4Dビュー合成モジュール(4D-Vi)を提案する。
  論文  参考訳（メタデータ） (2025-12-04T17:59:10Z)
• Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconstruction Models [79.06910348413861]
  Diff4Splatは、単一の画像から制御可能で明示的な4Dシーンを合成するフィードフォワード方式である。 単一の入力画像、カメラ軌跡、オプションのテキストプロンプトが与えられた場合、Diff4Splatは外見、幾何学、動きを符号化する変形可能な3Dガウス場を直接予測する。
  論文  参考訳（メタデータ） (2025-11-01T11:16:25Z)
• 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
  動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。 我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。 ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
  論文  参考訳（メタデータ） (2024-12-30T05:30:26Z)
• Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video [55.704264233274294]
  ぼやけたモノクロ映像から高品質な4Dモデルを再構成するためのDeblur4DGSを提案する。 我々は露光時間内の連続的動的表現を露光時間推定に変換する。 Deblur4DGSは、新規なビュー合成以外にも、複数の視点からぼやけたビデオを改善するために応用できる。
  論文  参考訳（メタデータ） (2024-12-09T12:02:11Z)

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。