論文の概要: 4DGS-JEPA: Temporally Compositional Joint-Embedding Prediction for Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.25036v1
• Date: Mon, 24 Aug 2026 22:02:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.837988
• Title: 4DGS-JEPA: Temporally Compositional Joint-Embedding Prediction for Dynamic Gaussian Splatting
• Title（参考訳）: 4DGS-JEPA:動的ガウス平滑化のための仮構成結合埋め込み予測
• Abstract要約: 本研究では、4DGS-JEPAを提案する。これは動的ガウスシーン上での因果的マルチ水平予測のための共同埋め込み予測アーキテクチャである。 異なる時間遷移経路が同じ将来の終点に達すると、互換性のある予測状態が生成される。 さらに,持続的正準同一性と残留的最適輸送マッチングを組み合わせたハイブリッド対応機構を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic Gaussian Splatting provides an explicit representation of evolving 3D scenes, but existing approaches are primarily optimized for reconstruction, future-state generation, or rendering rather than for learning reusable predictive dynamics. We propose 4DGS-JEPA, a Gaussian-native joint-embedding predictive architecture for causal multi-horizon prediction over dynamic Gaussian scenes. The model uses a hierarchical scene-, motion-group-, and Gaussian-level representation together with a horizon-conditioned transition operator that supports both direct prediction and recursive rollout. Its central principle is temporal composition: different chronological transition paths reaching the same future endpoint should produce compatible predictive states. Endpoint and multi-horizon path supervision anchor these predictions to future target embeddings, while a selective geometry decoder and geometry-level composition ground the learned dynamics in consistent group motion and Gaussian geometry without requiring complete future appearance reconstruction. We further introduce a hybrid correspondence mechanism that combines persistent canonical identity with residual optimal-transport matching under reordering and topology change. We characterize zero-loss path agreement and finite-error rollout accumulation theoretically. Three controlled experiments provide mechanism-level evidence that temporal composition reduces latent path dependence while retaining predictive accuracy, geometry-level composition improves consistency of decoded motion, and hybrid correspondence preserves reliable identity while remaining robust when correspondence becomes ambiguous. Together, 4DGS-JEPA provides a predictive, temporally compositional formulation of dynamic Gaussian worlds.
• Abstract（参考訳）: Dynamic Gaussian Splattingは進化する3Dシーンの明示的な表現を提供するが、既存のアプローチは主に再設計や将来の状態生成、レンダリングに最適化されている。 動的ガウスシーン上での因果多水平予測のための,ガウス・ネイティブ共同埋め込み予測アーキテクチャである4DGS-JEPAを提案する。 このモデルは、直接予測と再帰的なロールアウトの両方をサポートする水平条件の遷移演算子とともに、階層的なシーングループ、モーショングループ、ガウスレベルの表現を使用する。 異なる時間遷移経路が同じ将来の終点に達すると、互換性のある予測状態が生成される。 エンドポイントとマルチホライゾンパスの監督は、これらの予測を将来の目標埋め込みに固定する一方、選択幾何学デコーダと幾何学レベルの構成は、完全な将来の外観再構成を必要とせず、一貫した群運動とガウス幾何学の学習力学を基礎とする。 さらに、持続的な正準恒等性と残差最適輸送マッチングを組み合わすハイブリッド対応機構を導入する。 ゼロロスパス合意と有限エラーロールアウトを理論的に特徴づける。 3つの制御された実験は、時間的構成が予測精度を維持しながら遅延経路依存性を低減し、幾何学的構成は復号運動の整合性を改善し、ハイブリッド対応は、対応があいまいになったときに頑健な状態を維持しながら信頼性の高いアイデンティティを保持するというメカニズムレベルの証拠を提供する。 4DGS-JEPAは、動的ガウス世界の予測的、時間的に構成的な定式化を提供する。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• 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)
• Rheos: Modelling Continuous Motion Dynamics in Hierarchical 3D Scene Graphs [9.547848533245675]
  3次元シーングラフ(3DSG)は、環境の幾何学的・意味的な構造をエンコードする階層的で多重解像度の抽象化を提供する。 本稿では,連続方向運動モデルを階層型3DSGの動的層に埋め込むフレームワークであるRheosを紹介する。 レオスは連続的かつ好ましくない離散的指標の下で、離散的基底線を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-09T13:03:31Z)
• GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis [54.39598154430305]
  本稿では,ペアビュー間の決定論的変換を直接学習するデータ間フローマッチングフレームワークを提案する。 PDG-FMは、事前訓練された拡散モデルの確率密度測定値から導かれる測地的補間剤を用いて流れの軌跡を制約する。 これらの結果は、一貫した新しいビュー生成のための決定論的フローマッチングにデータ依存の幾何正規化を組み込むことの利点を強調している。
  論文  参考訳（メタデータ） (2026-03-01T09:30:11Z)
• KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
  生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。 固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
  論文  参考訳（メタデータ） (2026-02-15T06:32:23Z)
• PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
  本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。 PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。 PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
  論文  参考訳（メタデータ） (2025-10-22T11:12:07Z)
• 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)
• CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion [6.862357145175449]
  本稿では,単一段階の終端拡散型HMPフレームワークであるCoMusionを提案する。 CoMusionは、スムーズな将来のポーズ予測性能が空間予測性能を改善するという洞察から着想を得ている。 提案手法はTransformer-GCNモジュール設計と分散スケジューラによって促進され,精度,現実性,一貫した動作を予測する。
  論文  参考訳（メタデータ） (2023-05-21T19:31:56Z)

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。