論文の概要: D-Prism: Differentiable Primitives for Structured Dynamic Modeling

• arxiv url: http://arxiv.org/abs/2604.17082v1
• Date: Sat, 18 Apr 2026 17:39:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.323868
• Title: D-Prism: Differentiable Primitives for Structured Dynamic Modeling
• Title（参考訳）: D-Prism:構造化動的モデリングのための微分可能なプリミティブ
• Authors: Xingyuan Yu, Yijin Li, Chong Zeng, Yuhang Ming, Hujun Bao, Guofeng Zhang,
• Abstract要約: D-Prismは、微分可能なプリミティブを動的ドメインに拡張することで、高忠実な構造化された動的モデリングを実現する最初のフレームワークである。 プリミティブな動きを制御するための変形ネットワークを導入し、物体の動きを正確に一致させる。 実験により,本手法は構造的動的モデリングに優れ,構造的幾何と高精度な運動追跡の両方を提供することを確認した。
• 参考スコア（独自算出の注目度）: 46.22518390136366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capturing both geometry and rigid motion for structured dynamic objects, like multi-part assemblies or jointed mechanisms, remains a key challenge. Existing dynamic methods, such as deformable meshes or 3DGS, rely on unstructured representations and fail to jointly model suitable geometry and articulated motion. Primitive-based methods excel at structured static scenes, but their dynamic potential is still unexplored. We propose D-Prism, the first framework to achieve high-fidelity structured dynamic modeling by extending differentiable primitives to the dynamic domain. Specifically, we bind 3DGS to primitive surfaces, leveraging their respective strengths in appearance and geometry. We introduce a deformation network to control primitive motion, ensuring it accurately matches the object's movement. Furthermore, we design a novel adaptive control strategy to dynamically adjust primitive counts, better matching objects' true spatial footprint. Experiments confirm that our method excels at structured dynamic modeling, providing both structured geometry and precise motion tracking.
• Abstract（参考訳）: 多部分集合や結合機構のような構造された動的物体の幾何と剛体運動の両方をキャプチャすることは、依然として重要な課題である。 変形可能なメッシュや3DGSのような既存の動的手法は、非構造的表現に依存しており、適切な幾何学と調音運動を共同でモデル化することができない。 プリミティブベースのメソッドは構造化された静的シーンで優れているが、その動的ポテンシャルはまだ探索されていない。 D-Prismは、微分可能なプリミティブを動的ドメインに拡張することで、高忠実度構造化された動的モデリングを実現するための最初のフレームワークである。 具体的には、3DGSを原始曲面に結合し、外観と幾何学におけるそれぞれの強度を活用する。 プリミティブな動きを制御するための変形ネットワークを導入し、物体の動きを正確に一致させる。 さらに、プリミティブカウントを動的に調整し、オブジェクトの真の空間的フットプリントをより良くする新しい適応制御戦略を設計する。 実験により,本手法は構造的動的モデリングに優れ,構造的幾何と高精度な運動追跡の両方を提供することを確認した。

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)
• Interaction-Aware 4D Gaussian Splatting for Dynamic Hand-Object Interaction Reconstruction [19.178735596766476]
  本稿では,物体の先行を伴わない手動物体の形状と外観を同時にモデル化する難易度設定に焦点をあてる。 我々は、より明確な構造表現のために、一意に線形な仮説を採用することを目的とした、新しく導入された最適化可能なパラメータを持つ対話型手対象ガウスについて述べる。 実験により,本手法は既存の動的3D-GS法を超越し,動的手動物体相互作用の再構築における最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-11-18T14:44:04Z)
• 4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos [52.89084603734664]
  静的および動的コンポーネントを2段階のアプローチで分離する,ポーズフリーな動的ニューラルネットワークレンダリングフレームワークである4D3Rを提案する。 提案手法は最先端手法よりも最大1.8dBPSNRの改善を実現する。
  論文  参考訳（メタデータ） (2025-11-07T13:25:50Z)
• HEIR: Learning Graph-Based Motion Hierarchies [30.232977288956814]
  本研究では、データから直接構造化された解釈可能な動き関係を学習する一般的な階層的な動きモデリング手法を提案する。 グラフに基づく階層構造を用いて観測された動きを表現し、グローバルな絶対運動を親継承パターンと局所的な動き残差に明示的に分解する。 実験の結果,本手法は1次元および2次元の動作階層を再構成し,動的3次元スプレイティングシーンのベースラインよりもリアルで解釈可能な変形を生じさせることがわかった。
  論文  参考訳（メタデータ） (2025-10-30T17:57:40Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• TFS-NeRF: Template-Free NeRF for Semantic 3D Reconstruction of Dynamic Scene [25.164085646259856]
  本稿では,スパースやシングルビューRGBビデオから撮影したダイナミックシーンのためのテンプレートレス3DセマンティックNeRFを提案する。 相互作用する物体の動きを遠ざけ, 濃度ごとのスキン厚みを最適化することにより, 高精度でセマンティックに分離可能なジオメトリを効率的に生成する。
  論文  参考訳（メタデータ） (2024-09-26T01:34:42Z)
• Dynamic Scene Understanding through Object-Centric Voxelization and Neural Rendering [57.895846642868904]
  オブジェクト中心学習が可能な動的シーンのための3次元生成モデルDynaVol-Sを提案する。 ボキセル化は、個々の空間的位置において、物体ごとの占有確率を推定する。 提案手法は2次元セマンティックな特徴を統合して3次元セマンティック・グリッドを作成し,複数の不整合ボクセル・グリッドを通してシーンを表現する。
  論文  参考訳（メタデータ） (2024-07-30T15:33:58Z)
• ACID: Action-Conditional Implicit Visual Dynamics for Deformable Object Manipulation [135.10594078615952]
  本稿では,体積変形可能なオブジェクトに対する動作条件の視覚力学モデルであるACIDを紹介する。 ベンチマークには17,000以上のアクション・トラジェクトリー、6種類のぬいぐるみと78種類の変種が含まれている。 我々のモデルは、幾何学、対応、力学の予測において最高の性能を達成する。
  論文  参考訳（メタデータ） (2022-03-14T04:56:55Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。