論文の概要: DynActiveGS: Active Gaussian Splatting for Dynamic Scene Reconstruction
- arxiv url: http://arxiv.org/abs/2608.01178v1
- Date: Sun, 02 Aug 2026 11:57:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.111306
- Title: DynActiveGS: Active Gaussian Splatting for Dynamic Scene Reconstruction
- Title（参考訳）: DynActiveGS:動的シーン再構成のためのアクティブガウススプレイティング
- Authors: Hongbo Duan, Pengting Luo, Chengzhi Zhao, Yuanhao Chiang, Fangming Liu, Xueqian Wang,
- Abstract要約: 3次元ガウススプレイティングに基づく動的対応型アクティブ再構築フレームワークDynActiveGS(3DGS)を提案する。
この枠組みは3次元ガウスのシーン表現を漸進的に再構成し, 動作不良の観測を抑える。
DynActiveGSの重要な構成要素は、構造的不確かさと運動によって引き起こされる不確実性への明確な不確実性分解である。
- 参考スコア（独自算出の注目度）: 15.531413683893751
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present DynActiveGS, a dynamic-aware active reconstruction framework based on 3D Gaussian Splatting (3DGS) for autonomous exploration in dynamic environments. The framework incrementally reconstructs a 3D Gaussian scene representation while suppressing motion-corrupted observations through online uncertainty prediction and uncertainty-weighted Gaussian optimization. A key component of DynActiveGS is the explicit decomposition of uncertainty into structural uncertainty and motion-induced uncertainty, which enables the system to distinguish under-reconstructed static regions from dynamically unreliable areas. Based on these uncertainty fields, DynActiveGS performs dynamic-aware viewpoint selection and dynamic-constrained path planning to favor informative yet stable observations during exploration. The resulting system forms a unified closed-loop pipeline for robust active reconstruction in dynamic scenes. Extensive experiments on challenging dynamic benchmarks demonstrate consistent improvements over existing active reconstruction baselines in reconstruction accuracy, completeness, rendering quality, and exploration efficiency.
- Abstract（参考訳）: 動的環境における自律探査のための3次元ガウススプラッティング(3DGS)に基づく動的認識能動再構築フレームワークDynActiveGSを提案する。
このフレームワークは、オンライン不確実性予測と不確実性重み付けされたガウス最適化を通じて、動作不良な観測を抑えながら、3次元ガウスシーン表現を漸進的に再構築する。
DynActiveGSの重要な構成要素は、構造的不確かさと運動によって引き起こされる不確実性への明確な不確かさの分解であり、システムは非再構成静的領域を動的に信頼できない領域と区別することができる。
これらの不確実性に基づいて、DynActiveGSは、探索中の情報的かつ安定した観測を好んで、動的に認識された視点選択と動的制約された経路計画を行う。
結果として得られるシステムは、ダイナミックなシーンで堅牢なアクティブな再構築を実現するために、統一されたクローズドループパイプラインを形成する。
挑戦的な動的ベンチマークに関する大規模な実験は、復元精度、完全性、レンダリング品質、探索効率において、既存のアクティブな再構築ベースラインよりも一貫した改善を示している。
関連論文リスト
- Temporally Aware Densification for Dynamic 3D Gaussian Splatting [6.3814303507115575]
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。
論文 参考訳（メタデータ） (2026-06-22T11:55:21Z) - 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) - Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。
本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
論文 参考訳（メタデータ） (2025-08-07T01:39:29Z) - HAIF-GS: Hierarchical and Induced Flow-Guided Gaussian Splatting for Dynamic Scene [24.789092424634536]
本稿では,スパースアンカー駆動変形による構造的・一貫した動的モデリングを実現する統合フレームワークHAIF-GSを提案する。
HAIF-GSは, レンダリング品質, 時間的コヒーレンス, 再構成効率において, 従来の動的3DGS法よりも有意に優れていた。
論文 参考訳（メタデータ） (2025-06-11T08:45:08Z) - 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) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - 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)
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。