論文の概要: DynStream: Online Streaming 4D Gaussian Reconstruction of Dynamic Worlds from Unposed Video
- arxiv url: http://arxiv.org/abs/2610.09720v1
- Date: Wed, 07 Oct 2026 09:15:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.828222
- Title: DynStream: Online Streaming 4D Gaussian Reconstruction of Dynamic Worlds from Unposed Video
- Title（参考訳）: DynStream: 動画からダイナミックワールドを再現するオンラインストリーミング4Dガウシアン
- Abstract要約: DynStream(ダインストリーム)は、4Dガウスの復元を長時間の未投稿ビデオからストリーミングするフレームワークである。
クロスウィンドウな幾何学的一貫性を強制することにより、DynStreamは、拡張されたビデオストリーム上での効率的な再構成とフォトリアリスティックレンダリングをサポートする。
- 参考スコア（独自算出の注目度）: 43.1178138470162
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online reconstruction of dynamic 4D scenes from long, unposed streaming videos requires both continuous processing and photorealistic rendering, which existing methods struggle to achieve simultaneously. Existing feed-forward Gaussian methods are restricted to offline processing, whereas online point-cloud approaches struggle to maintain dense geometry and high-fidelity rendering. We present DynStream, a framework for streaming 4D Gaussian reconstruction from long, unposed videos. Given a continuous video stream, DynStream reconstructs the scene within local temporal windows and incrementally aligns and fuses these local reconstructions into a globally consistent scene, enabling online 4D reconstruction without per-scene optimization. By jointly enforcing cross-window geometric consistency and modeling time-varying scene content, DynStream supports efficient reconstruction and photorealistic rendering over extended video streams. Experiments demonstrate that DynStream enables high-fidelity online dynamic reconstruction and rendering from long video streams, achieving state-of-the-art performance across diverse dynamic indoor and outdoor scenes.
- Abstract（参考訳）: 長時間の未投稿のストリーミングビデオから動的4Dシーンをオンラインに再構築するには、連続処理とフォトリアリスティックレンダリングの両方が必要であり、既存の手法は同時に実現に苦慮している。
既存のフィードフォワードのガウス法はオフライン処理に制限されているが、オンラインのポイントクラウドアプローチは密度の高い幾何学と高忠実なレンダリングを維持するのに苦労している。
我々はDynStreamを紹介した。DynStreamは、4Dガウスの復元を長時間の未投稿ビデオからストリーミングするフレームワークだ。
連続したビデオストリームが与えられると、DynStreamはローカルの時間ウィンドウ内のシーンを再構築し、これらのローカルな再構築を一様に一貫したシーンに段階的に調整し、融合し、シーンごとの最適化なしにオンラインの4D再構成を可能にする。
クロスウィンドウな幾何学的一貫性と時間変化のあるシーンコンテンツをモデリングすることにより、DynStreamは、拡張されたビデオストリーム上での効率的な再構成とフォトリアリスティックレンダリングをサポートする。
実験により、DynStreamは、長いビデオストリームから高忠実なオンライン動的再構成とレンダリングを可能にし、様々なダイナミックな屋内および屋外のシーンで最先端のパフォーマンスを達成することを実証した。
関連論文リスト
- Streaming4D: Accelerate 4D World Models via Block-wise Video Generation and Incremental Reconstruction [16.153148517321604]
Streaming4Dは、時間的ビデオブロックを生成し、各ブロックの再構築をトリガーする。
このアプローチにより、世界表現はビデオストリームでオンラインで進化し、幾何学的忠実さを維持しながらフィードバックのレイテンシを低減することができる。
論文 参考訳（メタデータ） (2026-09-01T02:49:45Z) - Stream4D: 4D-Consistency for Streaming Autoregressive Diffusion Video Models [46.80064587266603]
ストリーミング自動回帰拡散モデルにより、リアルタイムの長時間水平ビデオ生成が可能となる。
近年の双方向手法は3次元ガウス・スプラッティング再構成に基づく報酬信号を用いてこの問題に対処している。
本稿では,静的批評家をフィードフォワード4D復元報酬に置き換えるStream4Dを提案する。
論文 参考訳（メタデータ） (2026-08-20T01:54:26Z) - LaVR: Scene Latent Conditioned Generative Video Trajectory Re-Rendering using Large 4D Reconstruction Models [52.656349227001925]
モノクロビデオが与えられた場合、ビデオの再レンダリングの目的は、新しいカメラの軌跡からシーンのビューを生成することである。
既存の方法は2つの異なる課題に直面している。
大規模な4次元再構成モデルの潜在空間に埋め込まれた暗黙的幾何学的知識を用いて,これらの課題に対処することを提案する。
論文 参考訳（メタデータ） (2026-01-21T05:46:03Z) - 4D Driving Scene Generation With Stereo Forcing [62.47705572424127]
現在の生成モデルは、時間外挿と空間的新規ビュー合成(NVS)をシーンごとの最適化なしで同時にサポートする動的4D駆動シーンの合成に苦慮している。
PhiGenesisは、幾何学的・時間的整合性を持った映像生成技術を拡張する4次元シーン生成のための統合フレームワークである。
論文 参考訳（メタデータ） (2025-09-24T15:37:17Z) - 4DGCPro: Efficient Hierarchical 4D Gaussian Compression for Progressive Volumetric Video Streaming [52.76837132019501]
本稿では,新しい階層型4D圧縮フレームワークである4DGCProを紹介する。
4DGCProは、プログレッシブボリュームビデオストリーミングによるリアルタイムモバイルデコーディングと高品質なレンダリングを容易にする。
エンドツーエンドのエントロピー最適化トレーニングスキームを提案する。
論文 参考訳（メタデータ） (2025-09-22T08:38:17Z) - Dynamics-Aware Gaussian Splatting Streaming Towards Fast On-the-Fly 4D Reconstruction [15.588032729272536]
現在の3DGSベースのストリーミング手法は、ガウス原始体を均一に扱い、密度の高いガウスを常に更新する。
そこで本研究では, 反復的流動性4次元動的空間再構成のための新しい3段階パイプラインを提案する。
提案手法は,オンライン4次元再構成における最先端性能を実現し,最速のオンザフライトレーニング,優れた表現品質,リアルタイムレンダリング能力を示す。
論文 参考訳（メタデータ） (2024-11-22T10:47:47Z) - NeRFPlayer: A Streamable Dynamic Scene Representation with Decomposed
Neural Radiance Fields [99.57774680640581]
本稿では、高速な再構成、コンパクトなモデリング、およびストリーム可能なレンダリングが可能な効率的なフレームワークを提案する。
本稿では, 時間特性に応じて4次元空間を分解することを提案する。4次元空間の点は, 静的, 変形, および新しい領域の3つのカテゴリに属する確率に関連付けられている。
論文 参考訳（メタデータ） (2022-10-28T07:11:05Z)
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。