論文の概要: DynaTok: Token-Based 4D Reconstruction from Partial Point Clouds

• arxiv url: http://arxiv.org/abs/2606.12189v1
• Date: Wed, 10 Jun 2026 15:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.520242
• Title: DynaTok: Token-Based 4D Reconstruction from Partial Point Clouds
• Title（参考訳）: DynaTok: 部分点雲からのトークンベースの4D再構成
• Authors: Weirong Chen, Keisuke Tateno, Hidenobu Matsuki, Michael Niemeyer, Daniel Cremers, Federico Tombari,
• Abstract要約: DynaTokは、画像のない部分点列からの対応のない4D再構成のための点ベースフレームワークである。 フローマッチングデコーダは、完全な時間的に一貫した4次元の点時間観測を再構成する。
• 参考スコア（独自算出の注目度）: 86.5916611076068
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address 4D reconstruction from partial point cloud sequences, where depth-sensor observations are incomplete, unordered, and lack explicit temporal correspondences. This geometry-only setting is challenging due to missing observations and ambiguous dynamics. While recent progress has largely relied on image-based methods, existing point-based approaches typically focus on single objects, assume relatively complete inputs, or require explicit correspondences. To address these limitations, we propose DynaTok, a point-based framework for correspondence-free 4D reconstruction from partial point cloud sequences without images. DynaTok encodes frames into compact latent tokens, aggregates incomplete observations over time with a Transformer-based spatiotemporal encoder, and decouples geometry and motion through residual tokens in a unified model. A flow-matching decoder then reconstructs complete, temporally consistent 4D point-cloud sequences conditioned on the latent tokens. Experiments on object- and scene-level benchmarks demonstrate improved reconstruction quality and temporal coherence from partial point cloud observations. Project page: https://wrchen530.github.io/dynatok/.
• Abstract（参考訳）: 部分点雲列からの4次元再構成に対処し、深度センサによる観測は不完全であり、秩序がなく、明確な時間的対応が欠如している。 この幾何学のみの設定は、観測の欠如とあいまいなダイナミクスのために困難である。 最近の進歩は画像ベースの手法に大きく依存しているが、既存のポイントベースのアプローチは一般に単一のオブジェクトに焦点を当て、比較的完全な入力を仮定するか、明示的な対応を必要とする。 このような制約に対処するため,画像のない部分点雲列からの対応のない4次元再構成のための点ベースフレームワークDynaTokを提案する。 DynaTokはフレームをコンパクトな潜在トークンにエンコードし、トランスフォーマーベースの時空間エンコーダで時間とともに不完全な観測を集約し、統一されたモデルにおける残留トークンを通して幾何学と運動を分離する。 フローマッチングデコーダは、潜在トークンに条件付けられた完全かつ時間的に整合した4Dポイントクラウドシーケンスを再構築する。 オブジェクトレベルおよびシーンレベルのベンチマーク実験では、部分点雲観測による再構成品質と時間的コヒーレンスが改善された。 プロジェクトページ: https://wrchen530.github.io/dynatok/。

関連論文リスト

• Dynamic Point Maps: A Versatile Representation for Dynamic 3D Reconstruction [56.32589034046427]
  本研究では,ダイナミックポイントマップ(DPM)を導入し,モーションセグメンテーション,シーンフロー推定,3次元物体追跡,2次元対応などの4次元タスクをサポートする標準点マップを拡張した。 我々は,合成データと実データを組み合わせたDPM予測器を訓練し,映像深度予測,ダイナミックポイントクラウド再構成,3次元シーンフロー,オブジェクトポーズ追跡,最先端性能の達成など,様々なベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-03-20T16:41:50Z)
• Unsupervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
  MAL-UPCは、領域レベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークである。 我々のMAL-UPCは3Dの完全な監視を一切必要とせず、トレーニングセットにおける一視点部分的な観察のみを必要とする。
  論文  参考訳（メタデータ） (2024-07-13T06:53:39Z)
• GPN: Generative Point-based NeRF [0.65268245109828]
  我々は,部分的な雲を復元し,修復するために生成点ベースのNeRF (GPN) を提案する。 補修された点雲は、高空間分解能で撮像された画像との多視点整合を達成することができる。
  論文  参考訳（メタデータ） (2024-04-12T08:14:17Z)
• Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
  Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。 グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。 時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
  論文  参考訳（メタデータ） (2024-01-12T15:05:08Z)
• Point Scene Understanding via Disentangled Instance Mesh Reconstruction [21.92736190195887]
  本稿では,効率的なポイントシーン理解のために,aDisentangled Instance Mesh Reconstruction (DIMR) フレームワークを提案する。 セグメント化ベースのバックボーンは、偽陽性オブジェクトの提案を減らすために適用される。 メッシュを意識した潜在コード空間を活用して、シェイプコンプリートとメッシュ生成のプロセスを切り離します。
  論文  参考訳（メタデータ） (2022-03-31T06:36:07Z)
• RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction [19.535169371240073]
  本稿では,高密度物体表面を直接点雲から検出・再構成するRfD-Netを提案する。 インスタンス再構成を大域的オブジェクトローカライゼーションと局所形状予測に分離する。 我々のアプローチは、オブジェクト再構成において、最先端の技術を一貫して上回り、メッシュIoUの11以上を改善します。
  論文  参考訳（メタデータ） (2020-11-30T12:58:05Z)

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。