論文の概要: Multi4D: High-Fidelity Dynamic Gaussian Splatting via Multi-Level Competitive Allocation
- arxiv url: http://arxiv.org/abs/2606.22197v1
- Date: Sat, 20 Jun 2026 19:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 22:05:41.618599
- Title: Multi4D: High-Fidelity Dynamic Gaussian Splatting via Multi-Level Competitive Allocation
- Title（参考訳）: Multi4D:マルチレベル競合アロケーションによる高忠実度動的ガウススプレイティング
- Authors: Rui Wang, Quentin Lohmeyer, Siyu Tang, Mirko Meboldt,
- Abstract要約: 高忠実度動的ガウススプラッティングのためのフレームワークであるMulti4Dを紹介する。
モデリング能力は静的構造,永続的動的幾何,過渡的外観プリミティブの3つのレベルに分散する。
このアロケーションは、細かなダイナミックディテールをキャプチャし、最先端のレンダリング品質とリアルタイムパフォーマンスを達成しながら、長期的な動きの一貫性を保っている。
- 参考スコア（独自算出の注目度）: 11.135752651274663
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic 3D Gaussian splatting faces a fundamental tension between motion consistency and visual fidelity. Deformation-based approaches preserve temporal correspondence but suffer from motion over-factorization, oversmoothing high-frequency dynamics. In contrast, 4D-primitive methods capture fine visual details yet incur temporal overparameterization, breaking object identity and leading to severe storage overhead. To resolve this, we introduce Multi4D, a framework for high-fidelity dynamic Gaussian Splatting based on multi-level competitive allocation. Instead of a monolithic representation, we distribute modeling capacity across three structured levels: static structure, persistent dynamic geometry, and transient appearance primitives. Through shared rasterization and residual-driven optimization, these levels dynamically compete to explain photometric error, enabling adaptive specialization without pre-assigned decomposition. This allocation preserves long-term motion consistency while capturing fine dynamic detail, achieving state-of-the-art rendering quality and real-time performance with significantly fewer dynamic primitives. Furthermore, because our representation explicitly tracks compact persistent Gaussians over time, semantic features can be embedded afterward, enabling Multi4D to achieve state-of-the-art 4D segmentation accuracy with an order-of-magnitude speedup. Project page: https://batfacewayne.github.io/Multi4D.io/
- Abstract（参考訳）: 動的3次元ガウススプラッティングは、運動の一貫性と視覚的忠実度の間に根本的な緊張に直面している。
変形に基づくアプローチでは時間的対応は保たれるが、運動過剰化に悩まされ、高周波力学を平滑にする。
対照的に、4Dプリミティブな手法は、微妙な視覚的詳細をキャプチャするが、時間的過パラメータ化が生じ、オブジェクトのアイデンティティが損なわれ、ストレージのオーバーヘッドが深刻になる。
この問題を解決するために,マルチレベル競争割当に基づく高忠実度動的ガウススプラッティングのフレームワークであるMulti4Dを導入する。
モノリシックな表現の代わりに、静的構造、永続的な動的幾何学、過渡的な外観プリミティブという3つの構造レベルにモデリング能力を分散する。
共有ラスタ化と残差駆動最適化により、これらのレベルは動的に光度誤差を説明し、事前割り当てされた分解なしに適応的な特殊化を可能にする。
このアロケーションは、細かなダイナミックディテールをキャプチャし、最先端のレンダリング品質と、動的プリミティブを著しく少なくしたリアルタイムパフォーマンスを実現しながら、長期的な動きの一貫性を保っている。
さらに,我々の表現は時間とともに連続的なガウスを明示的に追跡するので,後から意味的特徴を埋め込むことができ,Multi4Dは高次精度で4次元分割の精度を達成できる。
プロジェクトページ: https://batfacewayne.github.io/Multi4D.io/
関連論文リスト
- Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction [49.87425331212591]
我々は、タイムスタンプ条件付き学習可能なガウスクエリトークンのコンパクトなセット上に構築されたフィードフォワード4D再構成フレームワークであるC4Gを提案する。
C4Gはガウシアンをはるかに少なく、カメラのポーズを必要とせず、強力なノベルビュー合成性能を実現する。
論文 参考訳（メタデータ） (2026-05-29T17:57:41Z) - Director: Instance-aware Gaussian Splatting for Dynamic Scene Modeling and Understanding [40.60302826781783]
Volumetricは、レンダリングシーンを時間的コヒーレントな4D表現としてモデル化しようとしている。
Directorは、インスタンスセグメンテーションとオープン語彙クエリを同時に可能にしながら、時間的にコヒーレントな4D再構築を実現する。
論文 参考訳（メタデータ） (2026-04-02T06:29:53Z) - Mango-GS: Enhancing Spatio-Temporal Consistency in Dynamic Scenes Reconstruction using Multi-Frame Node-Guided 4D Gaussian Splatting [17.957935001501106]
我々は,高忠実度4D再構成のためのノード誘導フレームワークMango-GSを提案する。
時間変換器を利用して、フレームの短いウィンドウ内での動作依存をモデル化する。
Mango-GSは、最先端の再構築品質とリアルタイムレンダリング速度を達成する。
論文 参考訳（メタデータ） (2026-03-12T05:00:16Z) - EVolSplat4D: Efficient Volume-based Gaussian Splatting for 4D Urban Scene Synthesis [43.898895514609286]
EvolSplat4Dは、ボリュームベースとピクセルベースのガウス予測を統合することで、既存のピクセル単位のパラダイムを超えたフィードフォワードフレームワークである。
EvolSplat4Dは静的環境と動的環境の両方を高い精度と一貫性で再構成し、シーンごとの最適化と最先端のフィードフォワードベースラインの両方に優れることを示す。
論文 参考訳（メタデータ） (2026-01-22T13:39:29Z) - MoRel: Long-Range Flicker-Free 4D Motion Modeling via Anchor Relay-based Bidirectional Blending with Hierarchical Densification [10.799902862870288]
MoRelは、時間的に一貫したメモリ効率のモデリングのための新しいフレームワークである。
我々のアプローチは、時間的不連続を緩和し、成果物をひらめかせる。
境界メモリ使用率を維持しつつ、時間的コヒーレントでフリッカフリーなロングレンジ4D再構成を実現する。
論文 参考訳（メタデータ） (2025-12-10T02:49:09Z) - Motion4D: Learning 3D-Consistent Motion and Semantics for 4D Scene Understanding [54.859943475818234]
基礎モデルからの2次元先行を統一された4次元ガウススプラッティング表現に統合する新しいフレームワークであるMotion4Dを提案する。
1) 局所的な一貫性を維持するために連続的に動き場と意味体を更新する逐次最適化,2) 長期的コヒーレンスのために全ての属性を共同で洗練するグローバル最適化,である。
提案手法は,ポイントベーストラッキング,ビデオオブジェクトセグメンテーション,新しいビュー合成など,多様なシーン理解タスクにおいて,2次元基礎モデルと既存の3Dベースアプローチの両方に優れる。
論文 参考訳（メタデータ） (2025-12-03T09:32:56Z) - Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconstruction Models [79.06910348413861]
Diff4Splatは、単一の画像から制御可能で明示的な4Dシーンを合成するフィードフォワード方式である。
単一の入力画像、カメラ軌跡、オプションのテキストプロンプトが与えられた場合、Diff4Splatは外見、幾何学、動きを符号化する変形可能な3Dガウス場を直接予測する。
論文 参考訳（メタデータ） (2025-11-01T11:16:25Z) - SCas4D: Structural Cascaded Optimization for Boosting Persistent 4D Novel View Synthesis [53.10680153186481]
SCas4Dは3次元ガウススプラッティングにおける構造パターンを動的シーンに活用するカスケード最適化フレームワークである。
SCas4Dは、粗い部分レベルから細い点レベルへの変形を段階的に精製することにより、時間フレーム当たり100イテレーション以内の収束を実現する。
このアプローチはまた、自己教師付きオブジェクトセグメンテーション、新しいビュー合成、および高密度点追跡タスクにおける効果を示す。
論文 参考訳（メタデータ） (2025-10-08T06:39:33Z) - 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。
我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。
ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
論文 参考訳（メタデータ） (2024-12-30T05:30:26Z) - 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) - Dynamics-Aware Gaussian Splatting Streaming Towards Fast On-the-Fly 4D Reconstruction [15.588032729272536]
現在の3DGSベースのストリーミング手法は、ガウス原始体を均一に扱い、密度の高いガウスを常に更新する。
そこで本研究では, 反復的流動性4次元動的空間再構成のための新しい3段階パイプラインを提案する。
提案手法は,オンライン4次元再構成における最先端性能を実現し,最速のオンザフライトレーニング,優れた表現品質,リアルタイムレンダリング能力を示す。
論文 参考訳（メタデータ） (2024-11-22T10:47:47Z)
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。