論文の概要: 3D Gaussian Splatting for Efficient Retrospective Dynamic Scene Novel View Synthesis with a Standardized Benchmark

• arxiv url: http://arxiv.org/abs/2605.12437v1
• Date: Tue, 12 May 2026 17:33:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:57.053945
• Title: 3D Gaussian Splatting for Efficient Retrospective Dynamic Scene Novel View Synthesis with a Standardized Benchmark
• Title（参考訳）: 標準化ベンチマークによる高能率レトロスペクティブ動的シーン新規ビュー合成のための3次元ガウススメッティング
• Authors: Yunxiao Zhang, Suryansh Kumar,
• Abstract要約: ダイナミックシーンの振り返り新しいビュー合成(NVS)はスポーツなどの応用に不可欠である。 本稿では,スポーツに典型的な同期型マルチビュー(MV)設定において,各時間ステップの動的シーンが幾何的に制約されていることを論じる。 同期MV設定下において、3DGS を用いて効率的な振り返り動的シーン NVS を実現することができることを示す。
• 参考スコア（独自算出の注目度）: 7.553191991392496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrospective novel view synthesis (NVS) of dynamic scenes is fundamental to applications such as sports. Recent dynamic 3D Gaussian Splatting (3DGS) approaches introduce temporally coupled formulations to enforce motion coherence across time. In this paper, we argue that, in a synchronized multi-view (MV) setting typical of sports, the dynamic scene at each time step is already strongly geometrically constrained. We posit that the availability of calibrated, synchronized viewpoints provides sufficient spatial consistency, and therefore, explicit temporal coupling, or complex multi-body constraints seems unnecessary for retrospective NVS. To this end, we propose an approach tailored for synchronized MV dynamic scene. By initializing the SfM-derived point cloud at the start time and propagating optimized Gaussians over time, we show that efficient retrospective NVS can be achieved without imposing a temporal deformation constraint. Complementing our methodological contribution, we introduce a Dynamic MV dataset framework built on Blender for reproducible NeRF and 3DGS research. The framework generates high-quality, synchronized camera rigs and exports training-ready datasets in standard formats, eliminating inconsistencies in coordinate conventions and data pipelines. Using the framework, we construct a dynamic benchmark suite and evaluate representative NeRF and 3DGS approaches under controlled conditions. Together, we show that, under a synchronized MV setup, efficient retrospective dynamic scene NVS can be achieved using 3DGS. At the same time, the dataset-generation framework enables reproducible and principled benchmarking of dynamic NVS methods.
• Abstract（参考訳）: ダイナミックシーンの振り返り新しいビュー合成(NVS)はスポーツなどの応用に不可欠である。 最近の動的3Dガウススプラッティング(3DGS)アプローチは時間とともに運動コヒーレンスを強制するために時間的に結合した定式化を導入している。 本稿では,スポーツの典型的な同期型マルチビュー(MV)設定において,各時間ステップの動的シーンは,幾何的に強く制約されていることを論じる。 キャリブレーションされた、同期された視点の可用性は十分な空間的整合性をもたらし、従って、明示的な時間的結合や複雑な多体制約は、振り返りNVSにとって不要であると考えられる。 そこで本研究では,同期MVダイナミックシーンに適したアプローチを提案する。 開始時刻にSfM由来の点雲を初期化し、時間とともに最適化されたガウスを伝播することにより、時間的変形制約を課さずに効率的な振り返りNVSを実現することができることを示す。 提案手法を補完し,再現可能なNeRFおよび3DGS研究のためのBlender上に構築された動的MVデータセットフレームワークを提案する。 このフレームワークは高品質で同期化されたカメラリグを生成し、標準フォーマットでトレーニング可能なデータセットをエクスポートする。 このフレームワークを用いて、動的ベンチマークスイートを構築し、制御条件下での代表的NeRFおよび3DGSアプローチを評価する。 同時に,3DGS を用いて効率的な振り返り動的シーン NVS を実現することができることを示す。 同時に、データセット生成フレームワークは、動的NVSメソッドの再現性と原則付きベンチマークを可能にする。

関連論文リスト

• MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments [12.796165448365949]
  MOSAIC-GSはモノクロビデオから高忠実度ダイナミックシーンを再構築するための、新しく、完全に明示的で、計算的に効率的なアプローチである。 我々は,深度,光学的流れ,動的物体セグメンテーション,点追跡など,複数の幾何学的手法を活用する。 我々は,MOSAIC-GSが既存の手法に比べて大幅に高速な最適化とレンダリングを実現することを実証した。
  論文  参考訳（メタデータ） (2026-01-08T20:48:24Z)
• STDR: Spatio-Temporal Decoupling for Real-Time Dynamic Scene Rendering [15.873329633980015]
  既存の3DGSに基づく動的再構成法は、しばしばtextbfSTDR(リアルタイムレンダリングのための空間結合デテンポラル)に悩まされる 実時間レンダリングのためのテキストbfSTDR (Spatio-coupling DeTemporal for Real-time rendering) を提案する。
  論文  参考訳（メタデータ） (2025-05-28T14:26:41Z)
• 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)
• MVSGaussian: Fast Generalizable Gaussian Splatting Reconstruction from Multi-View Stereo [54.00987996368157]
  MVSGaussianは、Multi-View Stereo(MVS)から導かれる新しい一般化可能な3次元ガウス表現手法である。 MVSGaussianは、シーンごとにより良い合成品質でリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2024-05-20T17:59:30Z)
• Periodic Vibration Gaussian: Dynamic Urban Scene Reconstruction and Real-time Rendering [49.36767999382054]
  周期振動ガウスモデル(PVG)を提案する。 PVGは、当初静的シーン表現のために設計された効率的な3Dガウススプラッティング技術に基づいている。 PVGは、最良の代替品よりも900倍の速度でレンダリングできる。
  論文  参考訳（メタデータ） (2023-11-30T13:53:50Z)
• Dynamic 3D Gaussians: Tracking by Persistent Dynamic View Synthesis [58.5779956899918]
  動的シーンビュー合成と6自由度(6-DOF)追跡のタスクを同時に処理する手法を提案する。 我々は、シーンを3Dガウスアンのコレクションとしてモデル化する最近の研究に触発された、分析バイシンセサイザーの枠組みに従う。 我々は,1人称視点合成,動的合成シーン合成,4次元映像編集など,我々の表現によって実現された多数のダウンストリームアプリケーションを紹介した。
  論文  参考訳（メタデータ） (2023-08-18T17:59:21Z)

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。