論文の概要: TOM-GS: Editable Video Representation via Temporal Opacity Modulation of Static 3D Gaussians
- arxiv url: http://arxiv.org/abs/2607.22717v1
- Date: Tue, 21 Jul 2026 16:27:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.839829
- Title: TOM-GS: Editable Video Representation via Temporal Opacity Modulation of Static 3D Gaussians
- Title（参考訳）: TOM-GS: 静的な3Dガウスの時間的平和変調による編集可能なビデオ表現
- Abstract要約: TOM-GSは、時間的不透明度を連続的に定式化した通常の3Dガウスに有利な複雑な変形を強制する編集可能なビデオ表現である。
本手法は,手動および物理に基づく広範囲な編集を自然にサポートする静的な空間幾何学を,頑健で既成のポーズ推定によって構築する。
- 参考スコア（独自算出の注目度）: 2.387891699545676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While Implicit Neural Representations (INRs) and dynamic 3D Gaussian Splatting (3DGS) achieve impressive results in video processing, they often fall short of producing representations that are easily editable. Recent methods address this by introducing complex spatial deformations or folded distributions, which constrain optimization and reduce flexibility for downstream editing. In this paper, we introduce TOM-GS, an editable video representation that forgoes complex deformations in favor of regular 3D Gaussians equipped with a continuous temporal opacity formulation. By assigning a learnable temporal mean and scale to the opacity of each Gaussian, our model enables static 3D spatial components to fade smoothly in and out of the scene. Grounded by robust, off-the-shelf pose estimation, our approach maintains a static spatial geometry that naturally supports a wide range of manual and physics-based edits. TOM-GS outperforms prior editable video representations in visual fidelity, while its reliance on standard 3D Gaussians ensures seamless compatibility with established 3D editing tools.
- Abstract（参考訳）: Implicit Neural Representations (INRs) と Dynamic 3D Gaussian Splatting (3DGS) はビデオ処理において印象的な結果をもたらすが、編集が容易な表現は得られないことが多い。
近年の手法では、複雑な空間変形や折り畳み分布を導入し、最適化を制約し、下流編集の柔軟性を低減している。
本稿では,時間的不透明度を連続的に定式化した正規3次元ガウスに有利な複雑な変形を抑える編集可能なビデオ表現であるTOM-GSを紹介する。
学習可能な時間平均とスケールを各ガウス平均の不透明度に割り当てることで、静的な3次元空間成分をシーン内外において滑らかにフェードすることができる。
本手法は,手動および物理に基づく広範囲な編集を自然にサポートする静的な空間幾何学を,頑健で既成のポーズ推定によって構築する。
TOM-GSは、既存の3D編集ツールとのシームレスな互換性を保証する一方、標準的な3Dガウシアンに依存している。
関連論文リスト
- Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - Enhancing non-Rigid 3D Model Deformations Using Mesh-based Gaussian Splatting [0.0]
メッシュ表現を3次元ガウススプラッティングでブリッジすることで,非剛体3次元モデルの変形を改善する新しいフレームワークを提案する。
この研究は、バーチャルリアリティー、キャラクターアニメーション、インタラクティブデザインにまたがるアプリケーションにおいて、より柔軟な3Dコンテンツ作成の道を開く。
論文 参考訳（メタデータ） (2025-07-09T16:26:04Z) - Creating Your Editable 3D Photorealistic Avatar with Tetrahedron-constrained Gaussian Splatting [17.908135908777325]
編集過程を局所的な空間適応と現実的な外観学習に分離する枠組みを導入する。
このフレームワークは、四面体格子の制御可能な明示的構造と3次元ガウス格子の高精度レンダリング機能を組み合わせる。
定性的かつ定量的な実験は、フォトリアリスティックな3D編集可能なアバターの生成における我々のアプローチの有効性と優位性を示す。
論文 参考訳（メタデータ） (2025-04-29T03:56:36Z) - REdiSplats: Ray Tracing for Editable Gaussian Splatting [0.0]
レイトレーシングとメッシュによるフラットな3Dガウス表現を用いたREdiSplatsを紹介する。
実際、メッシュによってパラメータ化された平坦なガウス分布を用いてシーンをモデル化する。
BlenderやNvdiffrastといった3Dツールを使ってモデルをレンダリングすることで、既存のすべての3Dグラフィックス技術と統合することが可能になる。
論文 参考訳（メタデータ） (2025-03-15T22:42:21Z) - Drag Your Gaussian: Effective Drag-Based Editing with Score Distillation for 3D Gaussian Splatting [55.14822004410817]
DYGは3次元ガウススプラッティングのための効果的な3次元ドラッグベース編集法である。
3次元マスクと一対の制御点を入力して編集範囲を正確に制御できる。
DYGは暗黙三面体表現の強さを統合し、編集結果の幾何学的足場を確立する。
論文 参考訳（メタデータ） (2025-01-30T18:51:54Z) - 3D Gaussian Editing with A Single Image [19.662680524312027]
本稿では,3次元ガウシアンスプラッティングをベースとしたワンイメージ駆動の3Dシーン編集手法を提案する。
提案手法は,ユーザが指定した視点から描画した画像の編集版に合わせるために,3次元ガウスを最適化することを学ぶ。
実験により, 幾何学的詳細処理, 長距離変形, 非剛性変形処理における本手法の有効性が示された。
論文 参考訳（メタデータ） (2024-08-14T13:17:42Z) - DragGaussian: Enabling Drag-style Manipulation on 3D Gaussian Representation [57.406031264184584]
DragGaussianは、3D Gaussian Splattingをベースにした3Dオブジェクトのドラッグ編集フレームワークである。
我々の貢献は、新しいタスクの導入、インタラクティブなポイントベース3D編集のためのDragGaussianの開発、質的かつ定量的な実験によるその効果の包括的検証などである。
論文 参考訳（メタデータ） (2024-05-09T14:34:05Z) - Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
論文 参考訳（メタデータ） (2024-02-24T17:22:15Z) - SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。
SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。
提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
論文 参考訳（メタデータ） (2024-01-31T14:19:03Z) - SC-GS: Sparse-Controlled Gaussian Splatting for Editable Dynamic Scenes [59.23385953161328]
動的シーンのための新しいビュー合成は、コンピュータビジョンとグラフィックスにおいて依然として難しい問題である。
本稿では,動的シーンの動作と外観を疎制御点と高密度ガウスに明示的に分解する新しい表現を提案する。
提案手法は,高忠実度な外観を維持しつつ,ユーザ制御のモーション編集を可能にする。
論文 参考訳（メタデータ） (2023-12-04T11:57:14Z)
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。