論文の概要: Beyond Perfect Priors: Adaptive Gaussian Graph for 4D Driving Reconstruction in the Wild
- arxiv url: http://arxiv.org/abs/2607.12214v1
- Date: Tue, 07 Jul 2026 04:35:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.981493
- Title: Beyond Perfect Priors: Adaptive Gaussian Graph for 4D Driving Reconstruction in the Wild
- Title（参考訳）: 自然界における4D運転再建のための適応型ガウスグラフ
- Abstract要約: 本稿では,自己補正型4DフレームワークであるAdaptive Gaussian Graph(AGG)を紹介する。
AGGは、ノイズの多い事前条件下での視覚的忠実さと堅牢性において、最先端のアプローチを一貫して上回っている。
KITTIとWild-30の実験では、AGGはノイズの前の視覚的忠実さと頑健さにおいて、最先端のアプローチを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 15.197853554159472
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing 4D driving scenes in the wild (e.g., internet and AI-generated videos) is critical for diverse autonomous driving simulation. While recent Gaussian Scene Graph (GSG) methods achieve impressive visual quality, they heavily rely on precise priors, such as accurate camera poses and LiDAR depth, or manual annotations. When initialized with noisy priors estimated from in-the-wild videos, existing GSG methods suffer from optimization ambiguity (e.g., entangling camera and agent poses) and topological failures (e.g., missing objects), causing severe rendering artifacts. To enable robust in-the-wild reconstruction, we introduce Adaptive Gaussian Graph (AGG), a self-correcting 4D framework. Our Semantically-Guided Tick-Tock Strategy leverages 2D foundation features to explicitly decouple static background and camera pose updates from dynamic agent learning. Concurrently, our Adaptive Topology Evolution module actively rectifies graph structures by spawning missing agents, reassigning misclassified Gaussians, and pruning false positives. To rigorously evaluate this in-the-wild setting, we introduce Wild-30, a challenging benchmark of internet and generative videos. Extensive experiments on KITTI and Wild-30 validate that AGG consistently outperforms state-of-the-art approaches in visual fidelity and robustness under noisy priors.
- Abstract（参考訳）: 野生の4D運転シーン(例えばインターネットやAI生成ビデオ)を再構築することは、多様な自律運転シミュレーションに不可欠だ。
最近のGaussian Scene Graph(GSG)メソッドは印象的な視覚的品質を実現するが、正確なカメラポーズやLiDAR深さ、手動アノテーションなど、正確な事前情報に大きく依存している。
既存のGSG手法は、Wildビデオから推定されるノイズの多い事前条件で初期化されると、最適化の曖昧さ(例えば、カメラとエージェントのポーズのエンタングリング)とトポロジ上の障害(例えば、欠落したオブジェクト)に悩まされ、深刻なレンダリングアーティファクトを引き起こします。
そこで本研究では,適応ガウスグラフ(Adaptive Gaussian Graph,AGG)を提案する。
私たちのSemantically-Guided Tick-Tock Strategyは、静的背景とカメラのポーズを動的エージェント学習から明示的に分離するために、2Dファンデーション機能を活用しています。
同時に、アダプティブトポロジ・エボリューション・モジュールは、欠落したエージェントを発生させ、誤って分類されたガウスアンを再割り当てし、偽陽性を抽出することで、グラフ構造を積極的に修正する。
筆者らは、Wild-30というインターネットとジェネレーティブビデオのベンチマークを厳格に評価するために、Wild-30を紹介した。
KITTIとWild-30の広範囲な実験により、AGGはノイズの前の視覚的忠実さと頑健さにおいて、常に最先端のアプローチより優れていたことが確認された。
関連論文リスト
- Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation [81.44955493339835]
DeGOは変形可能なガウスの占有機構であり、分解したガウスの変形と分解された4次元基礎モデル蒸留を統一する。
Occ3D-NuScenesベンチマーク実験により,本手法が弱い監督下での最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2026-05-27T15:09:55Z) - DP-DeGauss: Dynamic Probabilistic Gaussian Decomposition for Egocentric 4D Scene Reconstruction [23.80176859000243]
自己中心型4次元再構成のための動的確率ガウス分解フレームワークDP-DeGaussを紹介する。
提案手法は,COLMAP先行値から統一された3次元ガウス集合を初期化し,学習可能なカテゴリ確率で拡張し,それらを動的に特殊変形枝にルーティングする。
実験の結果、DP-DeGaussはPSNRのベースラインを+1.70dBで上回り、SSIMとLPIPSは上昇した。
論文 参考訳（メタデータ） (2026-04-09T08:55:39Z) - WildGHand: Learning Anti-Perturbation Gaussian Hand Avatars from Monocular In-the-Wild Videos [68.43355277637882]
本研究では,WildGHandについて紹介する。WildGHandは,自己適応型3Dガウススプラッティングを実現する最適化ベースのフレームワークである。
さらに,多彩な摂動下で撮影された単眼手指ビデオのデータセットを収集し,手指アバター再建のベンチマークを行う。
論文 参考訳（メタデータ） (2026-02-24T05:14:05Z) - JOintGS: Joint Optimization of Cameras, Bodies and 3D Gaussians for In-the-Wild Monocular Reconstruction [18.636227266388218]
JOintGSは、カメラ外在物、人間のポーズ、および3Dガウス表現を協調的に最適化する統合フレームワークである。
NeuManとEMDBデータセットの実験は、JOintGSが優れた再構築品質を達成することを示した。
論文 参考訳（メタデータ） (2026-02-04T08:33:51Z) - iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。
NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
論文 参考訳（メタデータ） (2025-11-18T05:22:22Z) - 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) - UPGS: Unified Pose-aware Gaussian Splatting for Dynamic Scene Deblurring [31.35713139629235]
モノクロ映像から3Dシーンを再構成することは、カメラや物体の動きによる激しい動きのぼけによってしばしば失敗する。
学習可能なパラメータとしてカメラポーズを組み込むことにより、統一的な最適化フレームワークを導入する。
提案手法は, 従来の動的デブロアリング法に比べて, 復元品質が大きく向上し, 推定精度が向上する。
論文 参考訳（メタデータ） (2025-08-31T13:01:03Z) - UFV-Splatter: Pose-Free Feed-Forward 3D Gaussian Splatting Adapted to Unfavorable Views [9.974268614169155]
フィードフォワードをトレーニングするための一般的なレンダリング設定は、世界の起源に3Dオブジェクトを配置し、原点に向かって向けられたカメラからレンダリングする。
本稿では、事前訓練されたポーズなしフィードフォワード3DGSモデルで好ましくないビューを処理できる新しい適応フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-30T02:56:47Z) - Easi3R: Estimating Disentangled Motion from DUSt3R Without Training [69.51086319339662]
Easi3Rは,4次元再構成のための簡易かつ効率的なトレーニングフリー手法である。
提案手法は,事前学習やネットワークファインチューニングの必要性を排除し,推論中の注意適応を適用した。
実世界のダイナミックビデオの実験では、従来の最先端手法よりも軽量な注意適応が著しく優れていたことが示されている。
論文 参考訳（メタデータ） (2025-03-31T17:59:58Z) - $\textit{S}^3$Gaussian: Self-Supervised Street Gaussians for Autonomous Driving [82.82048452755394]
光リアルなストリートシーンの3D再構成は、現実の自動運転シミュレータを開発する上で重要な技術である。
既存のストリート3DGS法の多くは、静的および動的要素を分解するために、トラックされた3D車両バウンディングボックスを必要とする。
動的および静的な要素を4次元整合性から分解する自己教師付きストリートガウス(textitS3$Gaussian)手法を提案する。
論文 参考訳（メタデータ） (2024-05-30T17:57:08Z)
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。