論文の概要: GA-GS: Generation-Assisted Gaussian Splatting for Static Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2604.04331v1
• Date: Mon, 06 Apr 2026 00:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.047782
• Title: GA-GS: Generation-Assisted Gaussian Splatting for Static Scene Reconstruction
• Title（参考訳）: GA-GS : 静的シーン再構築のためのガウススプラッティング
• Authors: Yedong Shen, Shiqi Zhang, Sha Zhang, Yifan Duan, Xinran Zhang, Wenhao Yu, Lu Zhang, Jiajun Deng, Yanyong Zhang,
• Abstract要約: 静的シーン再構成のための生成支援ガウス分割法を提案する。 動作認識モジュールを用いて動的領域を分割・除去し,拡散モデルを用いて隠蔽領域を塗布する。 既存のデータセットが動的オブジェクトでビデオの地平線上の静的なシーンを提供していないので、Trajectory-Matchというデータセットを構築します。 DAVISと我々のデータセットによる実験により、GA-GSは静的なシーン再構成において最先端の性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 38.085922100589016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing static 3D scene from monocular video with dynamic objects is important for numerous applications such as virtual reality and autonomous driving. Current approaches typically rely on background for static scene reconstruction, limiting the ability to recover regions occluded by dynamic objects. In this paper, we propose GA-GS, a Generation-Assisted Gaussian Splatting method for Static Scene Reconstruction. The key innovation of our work lies in leveraging generation to assist in reconstructing occluded regions. We employ a motion-aware module to segment and remove dynamic regions, and thenuse a diffusion model to inpaint the occluded areas, providing pseudo-ground-truth supervision. To balance contributions from real background and generated region, we introduce a learnable authenticity scalar for each Gaussian primitive, which dynamically modulates opacity during splatting for authenticity-aware rendering and supervision. Since no existing dataset provides ground-truth static scene of video with dynamic objects, we construct a dataset named Trajectory-Match, using a fixed-path robot to record each scene with/without dynamic objects, enabling quantitative evaluation in reconstruction of occluded regions. Extensive experiments on both the DAVIS and our dataset show that GA-GS achieves state-of-the-art performance in static scene reconstruction, especially in challenging scenarios with large-scale, persistent occlusions.
• Abstract（参考訳）: モノクロビデオから動的オブジェクトで静的な3Dシーンを再構築することは、仮想現実や自律運転といった多くのアプリケーションにとって重要である。 現在のアプローチでは、静的なシーン再構築の背景を頼りにしており、動的オブジェクトによって隠された領域を回復する能力を制限する。 本稿では,静的シーン再構築のためのGA-GS法を提案する。 私たちの仕事のキーとなるイノベーションは、世代を活用して、排他的地域を再構築することです。 動作認識モジュールを用いて動的領域を分割・除去し,拡散モデルを用いて閉ざされた領域を塗布し,擬似地下構造監視を行う。 実際の背景と生成領域からのコントリビューションのバランスをとるために,ガウスのプリミティブ毎に学習可能な真正性スカラーを導入する。 既存のデータセットがダイナミックなオブジェクトでビデオの地味な静的シーンを提供していないため、固定パスロボットを用いて動的オブジェクトで各シーンを記録・記録し、隠蔽領域の再構築における定量的評価を可能にするトラジェクトリ・マッチというデータセットを構築した。 DAVISと我々のデータセットの大規模な実験は、GA-GSが静的シーン再構築において、特に大規模で永続的な閉塞を伴う挑戦的なシナリオにおいて、最先端のパフォーマンスを達成することを示す。

関連論文リスト

• BézierGS: Dynamic Urban Scene Reconstruction with Bézier Curve Gaussian Splatting [3.376357029373187]
  B'ezier curve splatting (B'ezierGS) は、学習可能な B'ezier curve を用いて動的対象の運動軌跡を表す。 B'ezierGSは動的および静的なシーンコンポーネントの再構築と新しいビュー合成において、最先端の代替よりも優れている。
  論文  参考訳（メタデータ） (2025-06-27T10:30:16Z)
• Feed-Forward Bullet-Time Reconstruction of Dynamic Scenes from Monocular Videos [110.3924779333809]
  動的シーンのリアルタイム再構成と新しいビュー合成のための,モーション対応フィードフォワードモデルであるBTimerを提案する。 提案手法は,すべてのコンテキストフレームから情報を集約することにより,所定の目標("bullet')タイムスタンプにおける3次元ガウススティング表現の全体像を再構成する。 カジュアルなモノクロのダイナミックビデオが与えられた後、BTimerは150ms以内の弾道時間シーンを再構築し、静的および動的両方のシーンデータセットで最先端のパフォーマンスに到達した。
  論文  参考訳（メタデータ） (2024-12-04T18:15:06Z)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
  本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。 本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。 提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-11-25T08:23:38Z)
• DENSER: 3D Gaussians Splatting for Scene Reconstruction of Dynamic Urban Environments [0.0]
  動的オブジェクトの表現を大幅に強化するフレームワークであるDENSERを提案する。 提案手法は最先端の手法を広いマージンで大幅に上回る。
  論文  参考訳（メタデータ） (2024-09-16T07:11:58Z)
• OmniRe: Omni Urban Scene Reconstruction [78.99262488964423]
  OmniReはデバイス上でのログから動的現実シーンの高忠実なデジタルツインを作成するための総合システムである。 提案手法は3DGS上にシーングラフを構築し,様々な動的アクターをモデル化する標準空間内に複数のガウス表現を構築する。
  論文  参考訳（メタデータ） (2024-08-29T17:56:33Z)

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。