論文の概要: Mobile-4DGS: Unified Static-Dynamic Real-time Mobile Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2610.05289v1
- Date: Sun, 04 Oct 2026 15:07:47 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 20:59:51.916729
- Title: Mobile-4DGS: Unified Static-Dynamic Real-time Mobile Gaussian Splatting
- Title（参考訳）: Mobile-4DGS: 静的動的リアルタイムモバイルガウシアンスプラッティング
- Abstract要約: Mobile-4DGSはモバイルプラットフォーム上でリアルタイムの静的および動的ガウスレンダリングのための軽量フレームワークである。
本研究では,2次ガウス運動,学習可能な時間的サポート,2値の静的な分割を構成することで,コンパクトな4次元表現を開発する。
静的および動的シーンの実験では、Mobile-4DGSは、競合する視覚的品質を維持しながら、ストレージとレンダリングのオーバーヘッドを大幅に削減する。
- 参考スコア（独自算出の注目度）: 27.339910483301583
- License:
- Abstract: Recent advances in 3D Gaussian Splatting (3DGS) have achieved remarkable performance in novel view synthesis, yet deploying both static and dynamic Gaussian representations on resource-constrained mobile devices remains challenging due to heavy storage, redundant primitives, and costly per-frame computation. We present Mobile-4DGS, a unified lightweight framework for high-fidelity real-time static and dynamic Gaussian rendering on mobile platforms. For compact appearance modeling, we introduce a Monte Carlo Specular Energy Aggregator that compresses high-order radiance residuals into the first-order Spherical Harmonics (SH), together with an Attribute-Conditioned SH Enhancement module whose predicted offsets are pre-baked before inference. We further propose a Multi-View Alpha-Based Densification and Pruning strategy to suppress redundant primitives while maintaining multi-view consistency. For dynamic scenes, we develop a compact explicit 4D representation by constructing second-order Gaussian motion, learnable temporal support, and a binary static-dynamic partition, enabling continuous-time modeling without runtime deformation networks. Based on this partition, a Depth-Order Certificate selectively reuses previously committed depth orders to reduce re-projection, sorting, merging, and index-buffer updates during playback. Extensive experiments on static and dynamic scenes demonstrate that Mobile-4DGS substantially reduces storage and rendering overhead while maintaining competitive visual quality, enabling real-time 3D and 4D Gaussian Splatting on mobile devices. \textcolor{magenta}{\href{https://xiaobiaodu.github.io/mobile-4dgs-project/}{Code has been released: https://xiaobiaodu.github.io/mobile-4dgs-project/}}.
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)の最近の進歩は、新しいビュー合成において顕著なパフォーマンスを達成しているが、リソース制約されたモバイルデバイスに静的および動的ガウス表現をデプロイすることは、重いストレージ、冗長プリミティブ、フレーム当たりのコストのかかる計算のため、依然として困難である。
モバイルプラットフォーム上でのリアルタイム静的および動的ガウスレンダリングのための軽量な統合フレームワークであるMobile-4DGSを提案する。
高次放射残差を1次球高調波(SH)に圧縮するモンテカルロスペックルエネルギー集約器と、予測オフセットが推論の前にプリベースされるアトリビュート・コンディションSH拡張モジュールを導入する。
さらに,マルチビューの整合性を維持しつつ,冗長なプリミティブを抑えるためのマルチビューAlpha-based Densification and Pruning戦略を提案する。
動的シーンに対して,2次ガウス運動,学習可能な時間的サポート,および2値の静的なパーティションを構築することで,実行時変形ネットワークを使わずに連続時間モデリングが可能なコンパクトな4次元表現を開発する。
この分割に基づいて、Depth-Order Certificateは、再生中に再投射、ソート、マージ、インデックスバッファ更新を減らすために、以前にコミットした深度命令を選択的に再利用する。
静的および動的シーンに対する大規模な実験により、Mobile-4DGSは、競争力のある視覚的品質を維持しながら、ストレージとレンダリングのオーバーヘッドを大幅に削減し、モバイルデバイス上でリアルタイム3Dおよび4Dガウススプラッティングを可能にした。
https://xiaobiaodu.github.io/mobile-4dgs-project/}{Codeがリリースされた。
関連論文リスト
- Multi4D: High-Fidelity Dynamic Gaussian Splatting via Multi-Level Competitive Allocation [11.135752651274663]
高忠実度動的ガウススプラッティングのためのフレームワークであるMulti4Dを紹介する。
モデリング能力は静的構造,永続的動的幾何,過渡的外観プリミティブの3つのレベルに分散する。
このアロケーションは、細かなダイナミックディテールをキャプチャし、最先端のレンダリング品質とリアルタイムパフォーマンスを達成しながら、長期的な動きの一貫性を保っている。
論文 参考訳（メタデータ） (2026-06-20T19:11:26Z) - Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction [49.87425331212591]
我々は、タイムスタンプ条件付き学習可能なガウスクエリトークンのコンパクトなセット上に構築されたフィードフォワード4D再構成フレームワークであるC4Gを提案する。
C4Gはガウシアンをはるかに少なく、カメラのポーズを必要とせず、強力なノベルビュー合成性能を実現する。
論文 参考訳（メタデータ） (2026-05-29T17:57:41Z) - RiGS: Rigid-aware 4D Gaussian Splatting from a Single Monocular Video [38.8840959968641]
我々は,複数の時間スケールにわたる動きを同時にキャプチャするRiGS(Rigid-aware 4D Gaussian Splatting)を提案する。
RiGSは、新しいビュー合成ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-22T14:20:39Z) - Resonance4D: Frequency-Domain Motion Supervision for Preset-Free Physical Parameter Learning in 4D Dynamic Physical Scene Simulation [53.141181758015186]
Resonance4Dは3次元ガウス散乱と物質点法を結合した物理駆動4次元動的シミュレーションフレームワークである。
我々の重要な洞察は、動的整合性は、相補的領域における共同的拘束運動によって、高密度時間発生なしに強制できるということである。
Resonance4Dは、ピークGPUメモリを35,GB以上から20GB程度に削減しつつ、強力な物理忠実性と運動の整合性を実現する。
論文 参考訳（メタデータ） (2026-04-02T13:00:22Z) - 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) - MoRel: Long-Range Flicker-Free 4D Motion Modeling via Anchor Relay-based Bidirectional Blending with Hierarchical Densification [10.799902862870288]
MoRelは、時間的に一貫したメモリ効率のモデリングのための新しいフレームワークである。
我々のアプローチは、時間的不連続を緩和し、成果物をひらめかせる。
境界メモリ使用率を維持しつつ、時間的コヒーレントでフリッカフリーなロングレンジ4D再構成を実現する。
論文 参考訳（メタデータ） (2025-12-10T02:49:09Z) - TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression [14.026420167067117]
速度歪み最適化4DGS圧縮のための時間的活性化および埋め込みに基づく変形方式であるTED-4DGSを提案する。
提案手法は,複数の実世界のデータセット上での最先端の速度歪み性能を実現する。
論文 参考訳（メタデータ） (2025-12-05T05:46:35Z) - 4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos [52.89084603734664]
静的および動的コンポーネントを2段階のアプローチで分離する,ポーズフリーな動的ニューラルネットワークレンダリングフレームワークである4D3Rを提案する。
提案手法は最先端手法よりも最大1.8dBPSNRの改善を実現する。
論文 参考訳（メタデータ） (2025-11-07T13:25:50Z) - Optimized Minimal 4D Gaussian Splatting [50.29519144753797]
4D Gaussian Splattingは動的シーン表現の新しいパラダイムとして登場し、複雑な動きを持つシーンのリアルタイムレンダリングを可能にした。
何百万人ものガウス人が高忠実度再構築を必要としているため、ストレージオーバーヘッドの大きな課題に直面している。
OMG4は、4次元ガウス模型を忠実に表現できる有能なガウスのコンパクトな集合を構成するフレームワークである。
論文 参考訳（メタデータ） (2025-10-04T16:11:13Z) - UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。
動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。
提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
論文 参考訳（メタデータ） (2024-12-04T16:59:49Z) - Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。
本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。
提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-11-25T08:23:38Z)
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。