論文の概要: Towards Alias-Free 4D Gaussian Representations with Motion-Aware Filtering
- arxiv url: http://arxiv.org/abs/2608.21828v1
- Date: Sat, 22 Aug 2026 07:55:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.928369
- Title: Towards Alias-Free 4D Gaussian Representations with Motion-Aware Filtering
- Title（参考訳）: 動き認識フィルタを用いたエイリアスフリー4次元ガウス表現に向けて
- Abstract要約: 4次元表現に特化して設計された動き認識型3次元平滑化フィルタを提案する。
提案手法は局所的な動き情報に基づいてフィルタ強度に適応し,レンダリング品質を損なうことなくエイリアスを効果的に緩和する。
標準データセットに対する評価は,最先端手法と比較して優れた性能を示した。
- 参考スコア（独自算出の注目度）: 6.502142457981839
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Novel-view synthesis of dynamic scenes, crucial for AR/VR applications, remains a challenging problem. Recent methods adapt representations like 3D Gaussian Splatting (3DGS) and Neural Radiance Fields (NeRF) for dynamic scenes by incorporating time as the fourth dimension (4D representations). These 4D representations still suffer from aliasing artifacts, especially when generating novel views from divergent viewpoints (zoom-in/zoom-out operations). While using 3D smoothing filters like those proposed in Mip-Splatting might seem like a possible solution, they fail to account for local motion and also exhibit aliasing. To address this, we propose a motion-aware 3D smoothing filter specifically designed for 4D representations. Our approach adapts the filter strength based on local motion information, effectively mitigating aliasing without compromising rendering quality. This is achieved by estimating the joint density function of time and focal-to-depth ratio using a non-parametric estimation method. During inference, we sample from this joint distribution to determine the appropriate smoothing filter. This flexible strategy can be integrated with various 4D representations. Our evaluations on standard datasets demonstrate superior performance compared to state-of-the-art methods.
- Abstract（参考訳）: AR/VRアプリケーションに不可欠な動的シーンの新規ビュー合成は、依然として困難な問題である。
近年の3次元ガウス散乱(3DGS)やニューラルレイディアンス場(NeRF)などの表現を動的シーンに適用する手法が提案されている。
これらの4D表現は、特に異なる視点(Zoom-in/Zoom-out操作)から新しいビューを生成する際に、アーティファクトのエイリアスに苦しむ。
Mip-Splattingで提案されているような3Dスムースティングフィルターを使うことは、解決策のようだが、局所的な動きを考慮せず、エイリアスも示さない。
そこで本研究では,4次元表現に特化して設計された動き認識型3次元平滑化フィルタを提案する。
提案手法は局所的な動き情報に基づいてフィルタ強度に適応し,レンダリング品質を損なうことなくエイリアスを効果的に緩和する。
これは、非パラメトリック推定法を用いて、時間と焦点と深さの比の結合密度関数を推定することによって達成される。
推定では,この関節分布から適切な平滑化フィルタを決定する。
この柔軟な戦略は、様々な4D表現と統合することができる。
標準データセットに対する評価は,最先端手法と比較して優れた性能を示した。
関連論文リスト
- EVolSplat4D: Efficient Volume-based Gaussian Splatting for 4D Urban Scene Synthesis [43.898895514609286]
EvolSplat4Dは、ボリュームベースとピクセルベースのガウス予測を統合することで、既存のピクセル単位のパラダイムを超えたフィードフォワードフレームワークである。
EvolSplat4Dは静的環境と動的環境の両方を高い精度と一貫性で再構成し、シーンごとの最適化と最先端のフィードフォワードベースラインの両方に優れることを示す。
論文 参考訳（メタデータ） (2026-01-22T13:39:29Z) - 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) - LOD-GS: Level-of-Detail-Sensitive 3D Gaussian Splatting for Detail Conserved Anti-Aliasing [12.919506807448244]
LOD-GSは、ガウススティングのためのレベル・オブ・ディテール・センシティブなフィルタリングフレームワークである。
各ガウス関数に基底関数の集合を導入し、モデル外見の変動に対する入力としてサンプリング率をとる。
本手法は,エイリアスを効果的に除去しつつ,SOTAレンダリングの品質を実現する。
論文 参考訳（メタデータ） (2025-07-01T08:22:35Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。
我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。
ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
論文 参考訳（メタデータ） (2024-12-30T05:30:26Z) - Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video [55.704264233274294]
ぼやけたモノクロ映像から高品質な4Dモデルを再構成するためのDeblur4DGSを提案する。
我々は露光時間内の連続的動的表現を露光時間推定に変換する。
Deblur4DGSは、新規なビュー合成以外にも、複数の視点からぼやけたビデオを改善するために応用できる。
論文 参考訳（メタデータ） (2024-12-09T12:02:11Z) - GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。
我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。
いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-11-18T08:18:44Z) - Self-Calibrating 4D Novel View Synthesis from Monocular Videos Using Gaussian Splatting [14.759265492381509]
本稿では,カメラパラメータの自己校正による高忠実度 4D GS シーン表現の学習手法を提案する。
3次元構造を頑健に表現する2次元点特徴の抽出を含む。
その結果,4次元新規ビュー合成における最先端手法の大幅な改善が示された。
論文 参考訳（メタデータ） (2024-06-03T06:52:35Z) - Align Your Gaussians: Text-to-4D with Dynamic 3D Gaussians and Composed
Diffusion Models [94.07744207257653]
我々は、探索されていないテキストから4D設定に焦点をあて、動的にアニメーションされた3Dオブジェクトを合成する。
4次元オブジェクト最適化において,テキスト・ツー・イメージ,テキスト・ツー・ビデオ,および3次元認識型多視点拡散モデルを組み合わせてフィードバックを提供する。
論文 参考訳（メタデータ） (2023-12-21T11:41:02Z) - Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。
ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。
この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
論文 参考訳（メタデータ） (2023-11-27T13:03:09Z)
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。