論文の概要: DispFlow-GS: Displacement Flow Supervision with Motion Disentangling for Monocular Deformable 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.36940v1
• Date: Tue, 29 Sep 2026 07:51:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.294105
• Title: DispFlow-GS: Displacement Flow Supervision with Motion Disentangling for Monocular Deformable 3D Gaussian Splatting
• Title（参考訳）: DispFlow-GS: モノクロ変形可能な3次元ガウス平滑化のための運動異方性を有する変位流スーパービジョン
• Abstract要約: 本研究では,変位流を基盤とした運動監視フレームワークを提案する。 変位流は、直接的かつ安定した最適化信号を提供するために、ガウスあたりの3D変位を画像平面上にスプラットする。 また、動きの忠実度と画像に基づく評価の相違も観察する。
• 参考スコア（独自算出の注目度）: 2.1451067474432945
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate dynamic scene reconstruction is important for robotic perception, where temporally consistent representations of dynamic environments are essential. Deformable 3D Gaussian Splatting (3DGS) models dynamic scenes through deformation fields, and recent methods incorporate motion supervision by aligning rendered Gaussian flow with optical flow. However, we find that such Gaussian-flow-based supervision provides only limited improvements in motion modeling. We identify a fundamental limitation of this supervision paradigm, namely a domain gap between rendered Gaussian flow and optical flow. To address this limitation, we propose a motion supervision framework built on Displacement Flow, which splats per-Gaussian 3D displacements onto the image plane to provide direct and stable optimization signals. We further disentangle scene motion from camera motion via intermediate-view rendering, enabling more reliable motion priors and targeted constraints on deformation and geometry. We also observe a discrepancy between motion fidelity and image-based evaluation, where improved motion awareness does not necessarily translate into better rendered image quality or higher image-based metric scores. Motivated by this mismatch, we introduce Deformation-Rendering Consistency (DRC), a motion-aware metric that measures the alignment between predicted deformation and rendering improvement. Experiments on dynamic scene benchmarks show substantial improvements in motion localization and motion--rendering consistency, reaching up to 39% and 6%, respectively, while image-based metrics change by only about 0.1%. These results confirm the observed mismatch between motion fidelity and image-based evaluation, demonstrating the significance of DRC for motion-aware evaluation.
• Abstract（参考訳）: 動的環境の時間的一貫した表現が不可欠であるロボット知覚において、正確な動的シーン再構築が重要である。 変形可能な3次元ガウススプラッティング(3DGS)は、変形場を通して動的シーンをモデル化し、近年の手法では、レンダリングされたガウス流と光学的流れを整列させて動きの監督を行う。 しかし,このようなガウス流に基づく監視は,動作モデリングの限られた改善しか得られないことがわかった。 我々は、この監督パラダイムの基本的限界、すなわち、レンダリングされたガウス流と光の流れの間の領域ギャップを識別する。 この制限に対処するため,ガウスあたりの3次元変位を画像面に平滑化し,直接的かつ安定した最適化信号を提供する,変位流に基づく運動監視フレームワークを提案する。 さらに、中間視点レンダリングにより、シーンの動きをカメラの動きから遠ざけ、より信頼性の高い動きの先行と、変形や幾何に対する目標制約を可能にする。 また、動きの忠実度と画像に基づく評価の相違も観察し、動きの認知度の向上が必ずしも画像の質の向上や画像ベースのメートル法スコアの向上に必ずしも寄与しないことを示した。 このミスマッチに触発され、予測変形とレンダリング改善の整合性を測定する動き認識指標である変形レンダリング一貫性(DRC)を導入した。 ダイナミックシーンベンチマークの実験では、モーションローカライゼーションとモーションレンダリングの一貫性が大幅に向上し、それぞれ39%と6%に達した。 これらの結果から, 動きの忠実度と画像に基づく評価との一致が確認され, 動き認識評価におけるDRCの重要性が示された。

関連論文リスト

• MotionGS-SLAM: Event-Modulated Gaussian Splatting for Motion-Blur Robust SLAM [10.233658861023612]
  現在のビジョンベースのSLAMシステムは、動きのぼかしが視覚入力を損なうと破滅的に失敗する。 我々は、パラダイムシフトによって動きのぼかし処理を再現するMotionGS-SLAMを提案する。 本研究では,高度高運動条件下での軌跡精度と地図品質における最先端手法の大幅な改善を示す。
  論文  参考訳（メタデータ） (2026-08-15T04:20:51Z)
• Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM [55.56111618153049]
  光学的流れによって誘導される動的3DGS SLAMのための効率的なフレームワークを提案する。 動的3DGSのトレーニング速度は,時間中心を明示的にモデル化することで向上する。 その結果, 追跡, 動的再構成, 訓練効率の両立が実証された。
  論文  参考訳（メタデータ） (2026-04-24T08:13:01Z)
• MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes [25.875839319957098]
  既存のオンラインアプローチでは、真のシーンダイナミクスを反映したガウス運動を学習できない。 提案するMoRGSは, 4次元再構成品質を向上させるために, ガウスごとの動きを明示的にモデル化する, ガウスごとの効率的なオンライン動作推論フレームワークである。
  論文  参考訳（メタデータ） (2026-03-26T05:25:11Z)
• From Tokens to Nodes: Semantic-Guided Motion Control for Dynamic 3D Gaussian Splatting [26.57713792657793]
  制御密度と動きの複雑さを一致させる動き適応フレームワークを提案する。 既存の最先端手法に比べて,復元品質と効率が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2025-10-03T05:33:58Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• CoMoGaussian: Continuous Motion-Aware Gaussian Splatting from Motion-Blurred Images [19.08403715388913]
  3D Gaussian Splattingは高品質のノベルビューレンダリングのために注目されている。 重要な問題は、露出中の動きによるカメラの動きのぼかしであり、正確な3Dシーンの復元を妨げる。 動きブル画像から正確な3Dシーンを再構成する連続運動対応ガウス版CoMoGaussianを提案する。
  論文  参考訳（メタデータ） (2025-03-07T11:18:43Z)
• MotionGS: Exploring Explicit Motion Guidance for Deformable 3D Gaussian Splatting [56.785233997533794]
  我々はMotionGSと呼ばれる新しい変形可能な3次元ガウススプレイティングフレームワークを提案する。 MotionGSは3Dガウスの変形を導くために、前もって明示的な動きを探索する。 モノラルなダイナミックシーンの実験では、MotionGSが最先端の手法を超越していることが確認された。
  論文  参考訳（メタデータ） (2024-10-10T08:19:47Z)
• 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。