論文の概要: HiQGS: Hierarchical Spatiotemporal Querying for Feed-Forward Gaussian Reconstruction
- arxiv url: http://arxiv.org/abs/2610.27604v1
- Date: Tue, 20 Oct 2026 04:10:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.629872
- Title: HiQGS: Hierarchical Spatiotemporal Querying for Feed-Forward Gaussian Reconstruction
- Title（参考訳）: HiQGS:フィードフォワードガウス再構成のための階層的時空間クエリ
- Abstract要約: スパース単分子フレームからのフィードフォワードガウス再構成のためのクエリベースの階層的フレームワークである textbfHiQGS を提案する。
- 参考スコア（独自算出の注目度）: 5.147420341763849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Feed-forward Gaussian reconstruction from sparse posed monocular frames requires reasoning over observations that vary jointly in viewpoint and time. Existing methods either predict Gaussian primitives from observation-aligned features or aggregate multi-frame information through compact latent queries. However, the former tightly couples Gaussian allocation to individual frames, while the latter does not explicitly structure observed evidence according to its temporal relation to the requested timestamp. Consequently, evidence across spatial scales, viewpoints, and timestamps can be difficult to align and integrate. We present \textbf{HiQGS}, a query-based hierarchical framework for feed-forward Gaussian scene reconstruction from sparse monocular frames. HiQGS introduces a \textbf{Hierarchical Spatiotemporal Encoder} that organizes multi-resolution geometry-appearance visual features according to image location, observation time, and camera pose, thereby preserving complementary appearance and structural cues. Our \textbf{Time-Adaptive Decoder} use target timestamp queries the resulting hierarchical representation to retrieve relevant spatiotemporal evidence and predicts the corresponding Gaussian scene state. Experiments on static and dynamic scene reconstruction benchmarks demonstrate strong rendering quality and geometric accuracy, validating the effectiveness of hierarchical visual encoding and target-time-aware Gaussian querying.
- Abstract（参考訳）: 粗い単分子フレームからのフィードフォワードガウス的再構成は、視点と時間で共同的に変化する観察に関する推論を必要とする。
既存の手法では、観測整列した特徴からガウス原始体を予測するか、コンパクトな潜在クエリを通して多フレーム情報を集約する。
しかしながら、前者は個々のフレームにガウス的割り当てを密に結合する一方、後者は要求されたタイムスタンプと時間的関係に従って証拠を明示的に構造化していない。
したがって、空間スケール、視点、タイムスタンプにまたがる証拠は整列し統合することが困難である。
スパース単分子フレームからのフィードフォワードガウスシーン再構築のためのクエリベースの階層的フレームワークである‘textbf{HiQGS} を提示する。
HiQGSは、画像の位置、観測時間、カメラポーズに応じて、多解像度の幾何学的外観の視覚的特徴を整理し、補完的な外観と構造的手がかりを保存するための、 \textbf{Hierarchical Spatiotemporal Encoder} を導入した。
我々の \textbf{Time-Adaptive Decoder} は、対象のタイムスタンプを用いて、結果の階層表現を用いて、関連する時空間的証拠を検索し、対応するガウスのシーン状態を予測する。
静的および動的シーン再構成ベンチマークの実験は、強いレンダリング品質と幾何精度を示し、階層的視覚符号化とターゲット時間対応ガウスクエリの有効性を検証した。
関連論文リスト
- Fresco++: Frequency-Guided and Canonical-Consistent Optimization for Fine-Grained Head Avatar Modeling [50.10122849806579]
Fresco++はビュー一貫性のあるヘッドアバター再構築のための最適化フレームワークである。
視覚的詳細の進行と横断的な監督の形成を規制している。
NeRSembleの実験では、再構築品質とクロスビュー整合性が改善された。
論文 参考訳（メタデータ） (2026-10-08T07:43:20Z) - Learning Gaussian Structure: Intervention-Guided Density Control for Feed-Forward Driving Reconstruction [22.26159235291006]
本稿では,ガウス構造とプリミティブ属性の両方を強化するフレームワークであるLearning Gaussian Structure(LGS)を紹介する。
我々の重要な観察は、プルーンの局所応答の変化は、構造調整が再構成に有効であるかどうかを明らかにすることである。
そこで我々は,ガウスプリミティブから他のタイムスタンプから隣接した特徴を明示的に抽出・集約し,信頼性の高い属性予測を行う,コンパクトなクロスタイムポイントクエリを開発した。
論文 参考訳（メタデータ） (2026-08-11T15:38:55Z) - 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) - Geo-ID: Test-Time Geometric Consensus for Cross-View Consistent Intrinsics [37.614964138575935]
内在的な画像分解は、画像からアルベド、粗さ、および金属性などの物理ベースのレンダリングパラメータを推定することを目的としている。
ビデオベースのモデルは、クロスフレームの一貫性を改善することができるが、高密度で順序付けられたシーケンスと相当な計算を必要とする。
クロスビュー一貫した分解を生成するために,未学習の単視点予測器を本質的に再利用する新しいテストタイムフレームワークであるGeo-IDを提案する。
論文 参考訳（メタデータ） (2026-03-14T09:36:27Z) - Learning Spatio-Temporal Feature Representations for Video-Based Gaze Estimation [50.05866669110754]
映像に基づく視線推定手法は、複数の画像フレームから人間の視線の本質的な時間的ダイナミクスを捉えることを目的としている。
本稿では、CNNバックボーンと専用のチャンネルアテンションと自己注意モジュールを組み合わせたモデルであるSpatio-Temporal Gaze Network(ST-Gaze)を提案する。
そこで本研究では,ST-Gazeが個人固有の適応を伴わずとも最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2025-12-19T15:15:58Z) - STD-GS: Exploring Frame-Event Interaction for SpatioTemporal-Disentangled Gaussian Splatting to Reconstruct High-Dynamic Scene [54.418259038624406]
既存の手法ではフレームカメラのシーンと直接一致させるために統一表現モデル(例えばガウシアン)を採用している。
しかし、この統一パラダイムは、フレームの特徴と背景とオブジェクト間の不連続な空間的特徴により、オブジェクトの潜在的時間的特徴に失敗する。
本研究では,フレームカメラを補うイベントカメラを導入し,高ダイナミックなシーン再構成のための時分割型ガウススプレイティングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-29T09:32:06Z) - Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - Learning Sequence Descriptor based on Spatio-Temporal Attention for
Visual Place Recognition [16.380948630155476]
ビジュアルプレース認識(VPR)は、クエリフレームと同じ場所に位置するタグ付きデータベースからフレームを取得することを目的としている。
ジオリーエイリアスシナリオにおけるVPRのロバスト性を改善するために,シーケンスベースのVPR手法を提案する。
我々はスライディングウィンドウを用いて時間的注意範囲を制御し、相対的な位置エンコーディングを用いて異なる特徴間の逐次的関係を構築する。
論文 参考訳（メタデータ） (2023-05-19T06:39:10Z)
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。