論文の概要: Make It Flow: Animating Water in 3D Gaussian Splatting Scenes

• arxiv url: http://arxiv.org/abs/2610.13860v1
• Date: Fri, 09 Oct 2026 17:08:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.697625
• Title: Make It Flow: Animating Water in 3D Gaussian Splatting Scenes
• Title（参考訳）: 3Dガウスのスプレイティングシーンで水をアニメーションする「Make It Flow」
• Abstract要約: 静的な3DGSシーンに水をアニメーションし、動的キャプチャや物理シミュレーションを必要とせず、視覚的に可視な動きを可能にする手法を提案する。 本稿では,この動き場をプリミティブの変形に適用し,時間的にシームレスなループアニメーションを生成するシネマグラフ型アルゴリズムを提案する。 結果の表現はリアルタイムレンダリング性能を保持し、知覚リアリズムを大幅に強化し、シーン内の自由視点ナビゲーションを保持する。
• 参考スコア（独自算出の注目度）: 2.8939699256527276
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Explicit 3D scene representations such as 3D Gaussian Splatting (3DGS) have recently enabled high-quality, real-time novel view synthesis. However, these methods assume static scenes, limiting realism in the presence of dynamic phenomena ubiquitous in real-world environments. While coherent motion (e.g., humans or vehicles) can be captured and reconstructed, high-frequency effects such as flowing water remain intractable under casual capture conditions, where dense multi-view, high-speed acquisition is not feasible. We present a method to animate water in static 3DGS scenes, enabling visually plausible motion without requiring dynamic capture or physical simulation. Our approach estimates 2D optical flow from reference images or model renderings and lifts it into a consistent 3D Eulerian motion field. We propose a cinemagraph-inspired algorithm that applies this motion field to deform Gaussian primitives, producing temporally seamless looping animations. The resulting representation retains real-time rendering performance, significantly enhances perceptual realism, and preserves free-viewpoint navigation within the scene. We evaluate our method on a newly captured dataset of in-the-wild waterfall scenes and demonstrate clear improvements over prior work in dynamic Gaussian splatting and 3D cinemagraph generation in visual quality and computational efficiency.
• Abstract（参考訳）: 3Dガウススプラッティング(3DGS)のような3Dシーンの明示的な表現は、最近、高品質でリアルタイムなノベルビュー合成を可能にした。 しかし、これらの手法は静的な場面を前提としており、現実の環境に在る動的な現象の存在において現実性を制限する。 コヒーレントな動き(例えば、人間や車両)を捉えて再構成することができるが、水の流れのような高周波な効果は、密集した多視点では実現不可能なカジュアルな捕獲条件下でも引き起こせない。 静的な3DGSシーンに水をアニメーションし、動的キャプチャや物理シミュレーションを必要とせず、視覚的に可視な動きを可能にする手法を提案する。 提案手法では,参照画像やモデルレンダリングから2次元光フローを推定し,一貫した3次元ユーリア運動場に引き上げる。 本稿では,この動き場を用いてガウス原始体を変形させ,時間的にシームレスなループアニメーションを生成するシネマグラフ型アルゴリズムを提案する。 結果の表現はリアルタイムレンダリング性能を保持し、知覚リアリズムを大幅に強化し、シーン内の自由視点ナビゲーションを保持する。 筆者らは,新たに獲得した滝シーンのデータセットを用いて,動的ガウススプラッティングと3次元シネマグラフ生成における先行作業よりも視覚的品質と計算効率が向上したことを示す。

関連論文リスト

• Eulerian Motion Reconstruction for Water Scenery [56.189628073449335]
  従来の研究は、2Dビデオテクスチャの観点からこのタスクを検証し、ループビデオを作成することを目的としていた。 そこで本研究では,新しい視点からインタラクティブに表現可能なループ型4次元動的再構成法を提案する。
  論文  参考訳（メタデータ） (2026-09-29T22:23:35Z)
• FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
  FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。 我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。 いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-05T17:59:57Z)
• Visibility-Uncertainty-guided 3D Gaussian Inpainting via Scene Conceptional Learning [63.94919846010485]
  3DGI)は、複数の入力ビューから補完的な視覚的・意味的手がかりを効果的に活用することが困難である。 本稿では,異なる入力ビュー間での3Dポイントの視認性不確実性を計測し,それらを用いて3DGIを誘導する手法を提案する。 ViSibility-uncerTainty-guided 3DGIとシーンコンセプトAl学習を統合し,新しい3DGIフレームワークであるVISTAを構築した。
  論文  参考訳（メタデータ） (2025-04-23T06:21:11Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• Gaussian Splatting Lucas-Kanade [0.11249583407496218]
  本稿では,古典ルーカスカナーデ法を動的ガウススプラッティングに適応させる新しい解析手法を提案する。 前方ワープフィールドネットワークの固有特性を活用することにより,時間積分により正確なシーンフロー計算を容易にする解析速度場を導出する。 提案手法は,合成シーンと実世界のシーンの両方で実証されたような,最小限のカメラモーションで高ダイナミックなシーンを再構築する上で優れている。
  論文  参考訳（メタデータ） (2024-07-16T01:50:43Z)
• LoopGaussian: Creating 3D Cinemagraph with Multi-view Images via Eulerian Motion Field [13.815932949774858]
  シネマグラフ(Cinemagraph)は、静止画と微妙な動きの要素を組み合わせた視覚メディアの一種である。 本稿では,3次元ガウスモデルを用いて,2次元画像空間から3次元空間への撮影画像の高次化を提案する。 実験の結果,提案手法の有効性を検証し,高品質で視覚的に魅力的なシーン生成を実証した。
  論文  参考訳（メタデータ） (2024-04-13T11:07:53Z)
• Deformable 3D Gaussians for High-Fidelity Monocular Dynamic Scene Reconstruction [29.83056271799794]
  暗黙の神経表現は、動的なシーンの再構築とレンダリングに対する新しいアプローチの道を開いた。 本稿では,3次元ガウシアンを用いてシーンを再構成し,標準空間で学習する,変形可能な3次元ガウシアンスプラッティング法を提案する。 微分ガウシアン化器により、変形可能な3Dガウシアンは高いレンダリング品質だけでなく、リアルタイムレンダリング速度も達成できる。
  論文  参考訳（メタデータ） (2023-09-22T16:04:02Z)
• Dynamic 3D Gaussians: Tracking by Persistent Dynamic View Synthesis [58.5779956899918]
  動的シーンビュー合成と6自由度(6-DOF)追跡のタスクを同時に処理する手法を提案する。 我々は、シーンを3Dガウスアンのコレクションとしてモデル化する最近の研究に触発された、分析バイシンセサイザーの枠組みに従う。 我々は,1人称視点合成,動的合成シーン合成,4次元映像編集など,我々の表現によって実現された多数のダウンストリームアプリケーションを紹介した。
  論文  参考訳（メタデータ） (2023-08-18T17:59:21Z)

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。