論文の概要: FreeTimeGS++: Secrets of Dynamic Gaussian Splatting and Their Principles
- arxiv url: http://arxiv.org/abs/2605.03337v1
- Date: Tue, 05 May 2026 03:57:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.752201
- Title: FreeTimeGS++: Secrets of Dynamic Gaussian Splatting and Their Principles
- Title（参考訳）: FreeTimeGS++: 動的ガウススティングの秘密とその原理
- Authors: Lucas Yunkyu Lee, Soonho Kim, Youngwook Kim, Sangmin Kim, Jaesik Park,
- Abstract要約: 4D Splatting (4DGS)は印象的な動的シーン再構成を実現した。
我々は、これらの隠れた要因を包括的に分析し、4DGSフレームワークについてより明確な視点を提供する。
より優れた安定性とロバストな動的表現を実現するために,近年の辺縁化とニューラル速度を利用する原理的手法であるFreeTimeGS++を提案する。
- 参考スコア（独自算出の注目度）: 34.04248908589081
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The recent surge in 4D Gaussian Splatting (4DGS) has achieved impressive dynamic scene reconstruction. While these methods demonstrate remarkable performance, the specific drivers behind such gains remain less explored, making a systematic understanding of the underlying principles challenging. In this paper, we perform a comprehensive analysis of these hidden factors to provide a clearer perspective on the 4DGS framework. We first establish a controlled baseline, FreeTimeGS_ours, by formalizing and reproducing the heuristics of the state-of-the-art FreeTimeGS. Using this framework, we dissect 4DGS along its fundamental axes and uncover key secrets, including the emergent temporal partitioning driven by Gaussian durations and the discrepancy between photometric fidelity and spatiotemporal consistency. Based on these insights, we propose FreeTimeGS++, a principled method that employs gated marginalization and neural velocity fields to achieve superior stability and robust dynamic representations. Our approach yields reproducible results with reduced run-to-run variance. We will release our implementation to provide a reliable foundation for future 4DGS research.
- Abstract（参考訳）: 近年の4D Gaussian Splatting (4DGS)の急激な増加は、印象的な動的シーン再構築を実現している。
これらの手法は目覚ましい性能を示すが、そのような利得の背後にある特定の要因はいまだ検討されていないため、根底にある原則を体系的に理解することは困難である。
本稿では,これら隠れた要因を包括的に分析し,より明確な4DGSフレームワークの展望を提供する。
我々はまず,現在最先端のFreeTimeGSのヒューリスティックを形式化し,再現することで,制御ベースラインであるFreeTimeGS_oursを確立する。
この枠組みを用いて、4DGSを基本軸に沿って識別し、ガウス時間による創発的時間分割や、測光的忠実度と時空間整合性の相違を含む重要な秘密を明らかにする。
これらの知見に基づき、我々は、より優れた安定性とロバストな動的表現を実現するために、ゲート境界化とニューラル速度場を利用する原理的手法であるFreeTimeGS++を提案する。
提案手法は, 実行時変動を低減した再現可能な結果が得られる。
今後の4DGS研究のための信頼性の高い基盤を提供するため、我々は実装をリリースする。
関連論文リスト
- DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - GP-4DGS: Probabilistic 4D Gaussian Splatting from Monocular Video via Variational Gaussian Processes [44.85944829104361]
本稿では,動的シーンの原理的確率論的モデリングのために,ガウス(GP)を4次元ガウススティング(4DGS)に統合する新しいフレームワークであるGP-4DGSを提案する。
GPのカーネルベースの確率的性質を活用することにより, (i) 運動予測の不確実性, (ii) 観測されたトレーニングフレームを超越した時間外挿, (ii) 観測されたサンプル領域の運動推定という3つの重要な特徴を導入した。
実験の結果,GP-4DGSは高い動きのあいまいさの領域を効果的に識別する信頼性の高い不確実性評価を提供しながら,再現性の向上を図っている。
論文 参考訳（メタデータ） (2026-04-03T09:33:43Z) - TRiGS: Temporal Rigid-Body Motion for Scalable 4D Gaussian Splatting [40.83830884179225]
TRiGSは、統一された連続した幾何学的変換を利用する新しい4D表現である。
我々は,TRiGSが高精細度のレンダリングを標準ベンチマーク上で実現しつつ,メモリボトルネックを重くすることなく,拡張されたビデオシーケンスに一意にスケール可能であることを示す。
論文 参考訳（メタデータ） (2026-04-01T06:35:13Z) - RetimeGS: Continuous-Time Reconstruction of 4D Gaussian Splatting [9.254380348086135]
テンポラリリタイピングは、スローモーション再生、テンポラリ編集、ポストプロダクションといったアプリケーションには不可欠である。
既存の4D Gaussian Splatting (4DGS) メソッドは、離散フレームのインデックスに過度に適合するが、連続時間フレームの表現に苦慮し、タイムスタンプ間の補間時にゴーストアーティファクトに繋がる。
本稿では,3次元ガウスの時間的挙動を明確に定義し,時間的エイリアスを実現するシンプルな4DGS表現であるRetimeGSを提案する。
論文 参考訳（メタデータ） (2026-03-14T06:26:27Z) - i-PhysGaussian: Implicit Physical Simulation for 3D Gaussian Splatting [60.46736489360263]
i-PhysGaussian は 3D Gaussian Splatting (3DGS) と暗黙のMaterial Point Method (MPM) を結合するフレームワークである。
明示的な方法とは異なり、我々の解は運動量-平衡残差を最小化することでステップの終了状態を得る。
結果は、i-PhysGaussianは明示的なベースラインよりも最大20倍の時間ステップで安定性を維持することを示した。
論文 参考訳（メタデータ） (2026-02-19T06:38:35Z) - Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。
形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。
均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。
TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
論文 参考訳（メタデータ） (2026-02-10T14:13:36Z) - TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression [14.026420167067117]
速度歪み最適化4DGS圧縮のための時間的活性化および埋め込みに基づく変形方式であるTED-4DGSを提案する。
提案手法は,複数の実世界のデータセット上での最先端の速度歪み性能を実現する。
論文 参考訳（メタデータ） (2025-12-05T05:46:35Z) - Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction [5.539555430264606]
本研究では,信頼性の高い動作キューを伝播させて4次元再構成を向上する,不確かさを意識した動的ガウス平滑化フレームワークを提案する。
我々の重要な洞察は、時間ごとの不確実性を推定し、それを利用して不確実性を考慮した最適化のための安定なグラフを構築することである。
論文 参考訳（メタデータ） (2025-10-14T17:47:11Z) - VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling [68.65587507038539]
本稿では,動的都市景観モデリングのための拡散強調4次元ガウス平滑化フレームワークを提案する。
我々の重要な洞察は、テスト時間に適応したビデオ拡散モデルから頑健で時間的に一貫した事前情報を抽出することである。
提案手法は, 高速移動物体の動的モデリングを著しく向上させ, 2dBのPSNRゲインを近似的に達成する。
論文 参考訳（メタデータ） (2025-08-04T07:24:05Z) - DiST-4D: Disentangled Spatiotemporal Diffusion with Metric Depth for 4D Driving Scene Generation [50.01520547454224]
現在の生成モデルは、時空間外挿と空間新規ビュー合成(NVS)を同時にサポートする4次元駆動シーンの合成に苦慮している
本研究では,2つの拡散過程に分散するDiST-4Dを提案する。DST-Tは過去の観測結果から直接,将来の距離深度と多視点RGBシーケンスを予測し,DST-Sは,既存の視点でのみ空間的NVSを訓練し,サイクル整合性を実現する。
実験により、DiST-4Dは時間的予測とNVSタスクの両方において最先端のパフォーマンスを達成し、同時に計画関連評価において競合性能を提供することが示された。
論文 参考訳（メタデータ） (2025-03-19T13:49:48Z) - NAG-GS: Semi-Implicit, Accelerated and Robust Stochastic Optimizer [45.47667026025716]
2つの重要な要素に依存した、新しく、堅牢で、加速された反復を提案する。
NAG-GSと呼ばれる手法の収束と安定性は、まず広範に研究されている。
我々は、NAG-arityが、重量減衰を伴う運動量SGDや機械学習モデルのトレーニングのためのAdamWといった最先端の手法と競合していることを示す。
論文 参考訳（メタデータ） (2022-09-29T16:54:53Z)
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。