Fugu-MT 論文翻訳(概要): GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis

論文の概要: GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis

arxiv url: http://arxiv.org/abs/2607.21448v2
Date: Fri, 24 Jul 2026 08:51:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 14:08:31.00564
Title: GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis
Title（参考訳）: GrainGS: 効率的な動的新規ビュー合成のためのグラディエントデカップリングガウススメッティング
Abstract要約: GrainGSは階層的なアンカー足場とガウス単位の変形を組み合わせた動的フレームワークである。高いリコンストラクション品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。
参考スコア（独自算出の注目度）: 94.20462261657525
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Dynamic scene reconstruction with 3D Gaussian Splatting requires a balance between fine-grained motion modeling, structural stability, and compact representation. Existing per-primitive methods provide flexible local deformation but often suffer from redundant primitive growth, while anchor-based methods improve spatial regularity at the cost of suppressing locally varying motion. To address these issues, we present GrainGS, a dynamic Gaussian framework that combines a hierarchical anchor scaffold with per-Gaussian deformation. A static warm-up stage first establishes a time-invariant canonical representation from observations across all timestamps. During joint training, a stop-gradient operation blocks the deformation-mediated gradient pathway to the canonical positions while preserving their direct refinement through the reconstruction objective. Each Gaussian then predicts independent temporal offsets for position, rotation, and scale, enabling detailed local motion within a structurally constrained scaffold. A canonical-residual appearance decomposition further models frame-dependent photometric changes without forcing them into geometric deformation. Experiments on synthetic monocular and real-world multiview benchmarks show that GrainGS achieves high reconstruction quality, real-time novel view synthesis, and compact storage. Under the synthetic benchmark setting, it reaches an average peak signal-to-noise ratio of 36.98 decibels, renders at 435.6 frames per second, and requires 4.67 megabytes of storage.
Abstract（参考訳）: 3次元ガウススプラッティングによる動的シーン再構成は、微細な運動モデリング、構造安定性、コンパクト表現のバランスを必要とする。既存の原始的手法は、フレキシブルな局所変形を提供するが、しばしば冗長な原始的な成長に悩まされる。これらの問題に対処するために,階層的なアンカー足場とガウス変形を結合した動的ガウスフレームワークGrainGSを提案する。静的ウォームアップ段階は、まずすべてのタイムスタンプの観測から時間不変な標準表現を確立する。共同訓練中、停止段階の操作は、再建目的を通じて直接の洗練を保ちながら、変形による正準位置への勾配経路をブロックする。それぞれのガウスアンは、位置、回転、スケールの独立した時間的オフセットを予測し、構造的に制約された足場内の詳細な局所運動を可能にする。標準残差分解は、幾何学的変形を強制せずにフレーム依存の光度変化をモデル化する。合成単分子および実世界のマルチビューベンチマークの実験では、GrainGSは高い再構成品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。合成ベンチマーク設定では、平均ピーク信号-ノイズ比36.98デシベルに達し、毎秒435.6フレームでレンダリングし、4.67メガバイトのストレージを必要とする。

関連論文リスト

DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
論文参考訳（メタデータ） (2026-08-19T03:44:28Z)
MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting [54.859943475818234]
MotionScaleは、4Dガウススティングフレームワークで、大きなシーンや拡張シーケンスに効率よくスケールする。挑戦的な実世界のベンチマークの実験では、MotionScaleは復元品質と時間的安定性の両方において最先端の手法を大きく上回っている。
論文参考訳（メタデータ） (2026-03-31T06:03:59Z)
\textit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction [53.82595920033838]
本稿では,ガウススプラッティング(GS)を用いた動的シーン表面再構成の問題に対処する。汎用動的表面再構成のための新しい統一フレームワークである textit4DSurf' を提案する。本手法は,シャンファー距離で49%,19%の最先端表面再構成法より優れる。
論文参考訳（メタデータ） (2026-03-30T06:09:37Z)
TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。 TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
論文参考訳（メタデータ） (2026-02-12T08:33:01Z)
SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting [19.12278036176021]
SV-GSは変形モデルと物体の動きを同時に推定するフレームワークである。提案手法は,PSNRの34%までのスパース観測下での既存手法よりも優れていた。
論文参考訳（メタデータ） (2026-01-01T09:53:03Z)
TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression [14.026420167067117]
速度歪み最適化4DGS圧縮のための時間的活性化および埋め込みに基づく変形方式であるTED-4DGSを提案する。提案手法は,複数の実世界のデータセット上での最先端の速度歪み性能を実現する。
論文参考訳（メタデータ） (2025-12-05T05:46:35Z)
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)
Orientation-anchored Hyper-Gaussian for 4D Reconstruction from Casual Videos [26.642143303176997]
OriGSは、カジュアルにキャプチャされたモノクロビデオから高品質な4D再構成を行うための新しいフレームワークだ。まず、空間と時間にまたがる主要な前方方向を伝播するグローバルオリエンテーション場を推定する。これに基づいて、時間、空間、幾何学、配向をコヒーレントな確率的状態に埋め込む統一的な定式化である、配向を意識したハイパーガウス的(Hyper-Gaussian)を提案する。
論文参考訳（メタデータ） (2025-09-27T20:43:43Z)
HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
論文参考訳（メタデータ） (2025-06-24T03:54:40Z)
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)
SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
論文参考訳（メタデータ） (2023-08-16T09:50:35Z)

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。