論文の概要: EvoGS: Modeling Deformation Evolution for Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.00994v1
• Date: Tue, 01 Sep 2026 09:45:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.541266
• Title: EvoGS: Modeling Deformation Evolution for Dynamic Gaussian Splatting
• Title（参考訳）: EvoGS: 動的ガウス平滑化のための変形進化のモデル化
• Authors: Wei Dong, Shahram Shirani, Jun Chen, Han Zhou,
• Abstract要約: 時相進化過程としてガウス変形をモデル化した3DGSに基づく動的再構成フレームワークである textbfEvoGS を提案する。 EvoGSは、歴史的変形状態から持続的な変形状態を維持し、各ガウス起源の観測で予測を補正する。 実験により、EvoGSは動的新規ビュー合成の品質とベンチマーク間の競合性能を改善した。
• 参考スコア（独自算出の注目度）: 22.48078932097587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent extensions of 3D Gaussian Splatting (3DGS) enable real-time novel view synthesis in dynamic scenes by learning time-conditioned Gaussian deformations. However, existing MLP-based methods typically estimate deformations independently at each timestamp, making them less robust to large or abrupt motions. To address this issue, we propose \textbf{EvoGS}, a 3DGS-based dynamic reconstruction framework that models Gaussian deformation as a temporal evolution process. EvoGS maintains persistent deformation states for each Gaussian, extrapolates future states from historical deformation states, and corrects the predictions with MLP-derived observations. The correction is adaptively weighted using a temporal residual memory and evolution statistics such as deformation velocity and trajectory deviation. To further improve reconstruction quality, EvoGS introduces deformation-aware densification. Clone and split operations are performed along corrected deformation directions, while an uncertainty-aware strategy suppresses densification for Gaussians with unstable deformation histories. Experiments show that EvoGS improves dynamic novel view synthesis quality and achieves competitive performance across benchmarks.
• Abstract（参考訳）: 最近の3次元ガウス散乱(3DGS)の拡張により、時間条件ガウス変形を学習することで動的シーンにおけるリアルタイムな新しいビュー合成が可能になる。 しかし、既存のMLPベースの手法は、通常、各タイムスタンプで独立に変形を推定し、大きな動きや急激な動きに対して頑丈さを損なう。 この問題に対処するために,ガウス変形を時間発展過程としてモデル化した3DGSベースの動的再構成フレームワークであるtextbf{EvoGS}を提案する。 EvoGSは各ガウスの持続的な変形状態を維持し、過去の変形状態から将来の状態を外挿し、MLPによる観測で予測を補正する。 補正は時間的残留記憶と変形速度や軌道偏差などの進化統計を用いて適応的に重み付けされる。 復元品質をさらに向上するため、EvoGSは変形認識密度を導入している。 クローンおよびスプリット操作は補正された変形方向に沿って行われ、不確実性認識戦略は不安定な変形履歴を持つガウスの密度を抑制する。 実験により、EvoGSは動的新規ビュー合成の品質を改善し、ベンチマーク間での競合性能を達成することが示された。

関連論文リスト

• 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)
• Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation [81.44955493339835]
  DeGOは変形可能なガウスの占有機構であり、分解したガウスの変形と分解された4次元基礎モデル蒸留を統一する。 Occ3D-NuScenesベンチマーク実験により,本手法が弱い監督下での最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-05-27T15:09:55Z)
• 4D Gaussian Splatting as a Learned Dynamical System [41.36168012923513]
  EvoGSはガウス表現を、学習運動法の下で状態が継続的に進化する進化物理的体系として扱う。 動的シーンベンチマーク実験により、EvoGSは変形場ベースラインに比べて動きのコヒーレンスと時間的一貫性が向上することが示された。
  論文  参考訳（メタデータ） (2025-12-22T18:20:29Z)
• 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)
• CAGE-GS: High-fidelity Cage Based 3D Gaussian Splatting Deformation [7.218737495375119]
  CAGE-GSは、ソース3DGSシーンとユーザが定義したターゲット形状をシームレスに整列するケージベースの3DGS変形法である。 提案手法では,ターゲットから変形ケージを学習し,ソースシーンの幾何学的変換を導出する。 本手法は,テキスト,画像,点雲,メッシュ,3DGSモデルなど,さまざまな形状表現を格納し,柔軟である。
  論文  参考訳（メタデータ） (2025-04-17T10:00:15Z)
• Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
  ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。 我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。 提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
  論文  参考訳（メタデータ） (2024-02-07T12:36:54Z)
• GaussianBody: Clothed Human Reconstruction via 3d Gaussian Splatting [14.937297984020821]
  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,ガウシアンボディと呼ばれる新しい布地復元手法を提案する。 静的な3次元ガウススメッティングモデルを動的復元問題に適用することは、複雑な非剛性変形とリッチな布の細部のために非自明である。 本手法は,ダイナミックな衣料人体に高精細な画質で,最先端のフォトリアリスティックなノベルビューレンダリングを実現できることを示す。
  論文  参考訳（メタデータ） (2024-01-18T04:48:13Z)

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。