論文の概要: Learning Implicit Constitutive Laws for Dynamic 3D Gaussian Splatting from Monocular Videos
- arxiv url: http://arxiv.org/abs/2608.22102v1
- Date: Sat, 22 Aug 2026 20:47:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.611774
- Title: Learning Implicit Constitutive Laws for Dynamic 3D Gaussian Splatting from Monocular Videos
- Title（参考訳）: モノクロ映像からの動的3次元ガウス平滑化のための構成法則の学習
- Abstract要約: GCAは3Dガウスで表される変形可能な物体のモノクロダイナミックビデオから暗黙の法則を学ぶためのフレームワークである。
既存の暗黙の手法は、うるさい監督の下でしばしば局所的なミニマに悩まされ、物理的解釈性に欠ける。
我々のフレームワークはLoRAベースのアライメントを2つのキーアライメントモジュールで統一する。
- 参考スコア（独自算出の注目度）: 19.57391895667268
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present GCA (Gaussian Constitutive Alignment), a framework for learning implicit constitutive laws from monocular dynamic video of deformable objects represented by 3D Gaussians. Given a static multi-view scan for geometric initialization, our method learns intrinsic physical dynamics solely from a single fixed-viewpoint video of the moving object. Existing implicit methods often suffer from local minima under noisy supervision and lack physical interpretability, while explicit approaches rely on predefined constitutive equations, limiting generalizability and becoming unstable in monocular settings. To address these challenges, our framework unifies LoRA-based adaptation with two key alignment modules. First, we propose Rank-based Depth-Geometric Anchors (RDGA) to establish robust geometric constraints from monocular dynamic observations via scale-invariant rank-based depth alignment, reducing the reliance on unreliable pixel-level color supervision. Second, a Constitutive Prior Regularizer (CPR) integrates classical constitutive models as soft differentiable priors, regularizing the optimization while preserving the flexibility of implicit modeling---even when the actual material is absent from the hypotheses. Extensive experiments on synthetic, real-to-sim, and real-world datasets demonstrate that GCA outperforms existing methods, achieving 48% lower Chamfer Distance than the strongest baseline on synthetic benchmarks while remaining robust under monocular supervision.
- Abstract（参考訳）: GCA(Gaussian Constitutive Alignment)は、3次元ガウスで表される変形可能な物体のモノクロダイナミックビデオから暗黙の構成法則を学ぶためのフレームワークである。
幾何学的初期化のための静的なマルチビュースキャンが与えられた場合、移動物体の1つの固定視点ビデオからのみ本質的な物理力学を学習する。
既存の暗黙の手法は、うるさい監督の下でしばしば局所的なミニマに悩まされ、物理的解釈可能性に欠けるが、明示的なアプローチは事前に定義された構成方程式に依存し、一般化可能性に制限を与え、単分子的な設定で不安定になる。
これらの課題に対処するため、我々のフレームワークはLoRAベースの適応を2つの主要なアライメントモジュールで統一する。
まず、階数に基づく深度補正(RDGA)を提案し、スケール不変の階数に基づく深度アライメントによる単分子的ダイナミックな観測からロバストな幾何的制約を確定し、信頼できないピクセルレベルの色監督への依存を減らす。
第二に、構成的事前正規化器(CPR)は古典的構成的モデルをソフトな微分可能な先行モデルとして統合し、実際の物質が仮説から外れた場合でも、暗黙のモデリングの柔軟性を保ちながら最適化を規則化する。
合成, リアルタイム, 実世界のデータセットに関する大規模な実験では, GCAが既存の手法よりも優れており, 単分子の監督下では頑健でありながら, 合成ベンチマークにおいて最強のベースラインよりも48%低いシャンファー距離を達成している。
関連論文リスト
- Dynamic-Robust Photometric-Semantic Reconstruction for Open-Vocabulary 3D Scene Understanding [63.599342750566485]
SPARは、潜在空間アグリゲーションの前に過渡的ダイナミックノイズを明示的に分離する新しい意味幾何学的エンコーディングアーキテクチャである。
エンド・ツー・エンドのアプローチは例外的な新規なビュー合成品質を実現し、PSNRは22.15dB、23.33dBでそれぞれ3と4の入力ビューしか与えられなかった。
論文 参考訳（メタデータ） (2026-08-29T09:58:24Z) - GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis [94.20462261657525]
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。
論文 参考訳（メタデータ） (2026-07-23T15:52:35Z) - FlowObject: Flow Steering for Bridging Generative Priors and Reconstruction Fidelity [34.142288038459704]
FlowObjectは、スパースビューの3D再構成をトレーニング不要でガイド付き逆問題として再構成するフレームワークである。
提案手法は、幾何学的完全性およびビュー依存外観忠実度の両方において、最先端の生成モデルと最適化に基づくフレームワークを著しく上回る。
論文 参考訳（メタデータ） (2026-06-17T12:42:09Z) - 4DVGGT-D: 4D Visual Geometry Transformer with Improved Dynamic Depth Estimation [38.64669047442234]
そこで本研究では,静的から大まかに動的に切り離す学習自由なプログレッシブデカップリングフレームワークを提案する。
本手法は, 微調整を必要とせず, 頑健な4次元シーン再構成における競争性能を示す。
論文 参考訳（メタデータ） (2026-05-12T12:13:36Z) - Relaxed Rigidity with Ray-based Grouping for Dynamic Gaussian Splatting [45.57187505601368]
本研究では,ガウスの局所的な幾何学的構造を4次元のシーンで明確に保存する手法を提案する。
提案手法は従来の手法よりも優れ,時間的整合性と復元性に優れていた。
論文 参考訳（メタデータ） (2026-03-26T03:38:38Z) - 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) - STAvatar: Soft Binding and Temporal Density Control for Monocular 3D Head Avatars Reconstruction [18.777422532112105]
既存の3次元ガウス散乱に基づく手法は、通常、ガウス多様体を線形ブレンドスキニングのみを通してメッシュ三角形とモデル変形に結合する。
本研究では,(1)UV空間内のガウス特徴オフセットを学習するために,画像ベースと幾何学的先行情報の両方を活用するUV-Temporal Soft BindingフレームワークであるSTAvatarを提案する。
STAvatarは、特に細かな細部を捉え、しばしば閉鎖された領域を再構築する際に、最先端の再構築性能を達成する。
論文 参考訳（メタデータ） (2025-11-25T02:35:00Z) - Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。
データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。
本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
論文 参考訳（メタデータ） (2025-05-23T03:28:25Z) - 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) - Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
スペクトル変動は、ハイパースペクトル画像(HSI)解析において共通の課題となる
低ランクテンソル表現は、HSIデータに固有の相関を利用して、堅牢な戦略として登場した。
本研究では,不規則な3次元立方体を効率的にモデル化するために,不規則なテンソルローランク表現のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2024-10-24T02:56:22Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳（メタデータ） (2021-03-04T15:34:43Z)
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。