論文の概要: Temporally Aware Densification for Dynamic 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2606.23212v1
• Date: Mon, 22 Jun 2026 11:55:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 23:20:19.761459
• Title: Temporally Aware Densification for Dynamic 3D Gaussian Splatting
• Title（参考訳）: 動的3次元ガウススプラッティングのための時間的認識密度化
• Authors: Vikram Sandu, Mayurdeep Pathak, Rajiv Soundararajan,
• Abstract要約: 本稿では, 時間的可視性を付加した可視性認知(VAD)フレームワークを提案する。 提案手法は,3つの動的マルチビューベンチマークデータセットにまたがる既存手法よりも優れた動的領域の視覚的品質向上を実現する。
• 参考スコア（独自算出の注目度）: 6.3814303507115575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite modeling temporal motion, dynamic 3D Gaussian Splatting (3DGS) methods still inherit a static densification strategy that is ill-suited for dynamic scenes. This neglect of temporal behavior leads to under-reconstructed and blurry dynamic regions, as short-lived Gaussians receive sparse supervision and fail to densify effectively. We propose a Visibility-Aware Densification (VAD) framework that integrates temporal visibility into the densification process, ensuring that Gaussians are refined based on their actual temporal presence. A Temporally-Adaptive Thresholding (TAT) mechanism further adjusts each Gaussian's densification threshold according to its temporal lifespan, promoting balanced refinement of both static and dynamic regions. Finally, a Temporal Offset Warping (TOW) design enhances deformation capacity around temporal centers, extending the lifespan of highly dynamic Gaussians and facilitating more effective densification. Our approach achieves substantial improvements in the visual quality of dynamic regions, outperforming existing methods across three dynamic multi-view benchmark datasets. Moreover, the proposed VAD module generalizes across diverse dynamic 3DGS methods, consistently improving dynamic reconstruction as a plug-and-play component.
• Abstract（参考訳）: 時間運動をモデル化しているにもかかわらず、動的3次元ガウス散乱(3DGS)法は、動的シーンに不適な静的密度化戦略を継承している。 この時間的行動の無視は、短命のガウス人が緩やかな監督を受け、効果的に密度を増すことができないため、過度に再構成され、ぼやけたダイナミックな領域に繋がる。 本稿では, 時空間の可視性を付加し, ガウス人が実際の時間的存在に基づいて洗練されることを保証する, 可視性認知(VAD)フレームワークを提案する。 TAT(Temporally-Adaptive Thresholding)メカニズムは、各ガウスの密度閾値を時間寿命に応じて調整し、静的領域と動的領域のバランスの取れた洗練を促進する。 最後に、TOW(Temporal Offset Warping)設計は、時間中心周りの変形能力を高め、非常にダイナミックなガウスの寿命を延長し、より効果的なデンシフィケーションを促進する。 提案手法は,3つの動的マルチビューベンチマークデータセットにまたがる既存手法よりも優れた動的領域の視覚的品質向上を実現する。 さらに,VADモジュールは様々な動的3DGS手法にまたがって一般化し,プラグイン・アンド・プレイコンポーネントとしての動的再構成を一貫して改善する。

関連論文リスト

• GGD-SLAM: Monocular 3DGS SLAM Powered by Generalizable Motion Model for Dynamic Environments [7.864663125771112]
  GGD-SLAMは、動的環境における局所化と高密度マッピングの課題に対処するために、一般化可能な運動モデルを利用するフレームワークである。 静的コンポーネントと動的コンポーネントを分離するために、動的機能拡張器と統合されている。 実世界の動的データセットを用いた実験により,カメラポーズ推定と動的シーンの高密度再構成において,提案方式が最先端の性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-04-14T14:58:11Z)
• 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)
• 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)
• 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)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)
• 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)

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。