論文の概要: DUET4D: Self-Corrective Coupled Guidance for Sparse-View 4D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.35002v1
• Date: Mon, 26 Oct 2026 08:14:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.793024
• Title: DUET4D: Self-Corrective Coupled Guidance for Sparse-View 4D Reconstruction
• Title（参考訳）: DUET4D:Sparse-View 4Dリコンストラクションのための自己補正型結合誘導
• Abstract要約: DUET4Dは、スパースビュー4Dガウススプラッティングのための自己補正結合誘導フレームワークである。 DUET4Dはレンダリング品質とレンダリング効率を大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 5.468168269094458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse-view 4D reconstruction is highly under-constrained when only a few cameras are available. Generative priors can recover missing appearances, but video models are computationally impractical for iterative reconstruction, whereas single-view models produce temporally inconsistent pseudo-observations. Moreover, directly absorbing uncertain generative outputs into Gaussian optimization often creates redundant primitives and floating artifacts. To address these challenges, we propose DUET4D, a self-corrective coupled guidance framework for sparse-view 4D Gaussian splatting. The core of our approach is a self-corrective framework where the 4D representation guides generative prior for spatio-temporal consistent supervisions. We first construct sequential alignments from current Gaussian evidence to steer the latent restoration. Then we use Sequential Fidelity Resampling to lift generative supervisions into Gaussian space to selectively distinguish repeatedly supported primitives. The corrected representation then provides more reliable Gaussian evidence for the next restoration cycle. Extensive experiments demonstrate that DUET4D significantly improves rendering quality and rendering efficiency.
• Abstract（参考訳）: スパースビュー4Dリコンストラクションは、わずか数台のカメラが利用できる場合、非常に制約が低い。 しかし、ビデオモデルは反復的再構成には非現実的であり、一方、単一ビューモデルは時間的に矛盾した擬似観測を生成する。 さらに、ガウス最適化に不確実な生成出力を直接吸収すると、しばしば冗長なプリミティブや浮遊アーティファクトが生成される。 これらの課題に対処するために,スパースビュー4Dガウス分割のための自己補正型ガイダンスフレームワークであるDUET4Dを提案する。 提案手法の核心は、4D表現が時空間一貫した監督に先立って生成する自己補正フレームワークである。 われわれはまず現在のガウスの証拠から逐次アライメントを構築し、潜伏した復元を推し進める。 次に、逐次フィデリティ・リサンプリングを用いて、生成的監督をガウス空間に引き上げ、繰り返しサポートされるプリミティブを選択的に区別する。 修正された表現は、次の修復サイクルに対するより信頼性の高いガウス的証拠を与える。 大規模な実験により、DUET4Dはレンダリング品質とレンダリング効率を大幅に改善することが示された。

関連論文リスト

• 4DGS-Fixer: Generative Sparse-View 4D Gaussian Splatting with Iterative Refinement Guided by Video Diffusion Priors [28.70776509810571]
  本稿では,スパースビュー映像からの動的シーン合成の課題について述べる。 既存の手法では、幾何学的事前、適応最適化、あるいは密度制御戦略を用いて、スパース観測下での4次元ガウスモデリングを改善する。 ダイナミックな4Dシーンの完全性と一貫性を向上させるために,ビデオ拡散モデルに基づく新しい反復的改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-18T00:37:53Z)
• Lift4D: Harmonizing Single-View 3D Estimation for 4D Reconstruction In-the-Wild [87.49244020695505]
  モノクロビデオから動的非剛体オブジェクトを再構成するには、幾何学と外観に関するデータ駆動の先行と直接観察から視覚的手がかりを統合する必要がある。 以前のアプローチでは、視覚的な入力から直接4D表現を予測するか、ビデオエビデンスに基づいて変形して洗練される3D表現を初期化する。 We present Lift4D, a test-time optimization framework that handle both limits。
  論文  参考訳（メタデータ） (2026-06-22T17:59:54Z)
• 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)
• 4D-LRM: Large Space-Time Reconstruction Model From and To Any View at Any Time [74.07107064085409]
  4D-LRMは、制約のないビューとタイムスタンプから入力を受け取り、任意のビュータイムの組み合わせをレンダリングする最初の大規模4D再構成モデルである。 統合された時空表現を学習し、時間を通してポーズされた画像トークンからピクセルごとの4Dガウスプリミティブを直接予測する。 1つのA100 GPU上で1.5秒未満で、24フレームのシーケンスを1フォワードパスで再構築する。
  論文  参考訳（メタデータ） (2025-06-23T17:57:47Z)
• BulletGen: Improving 4D Reconstruction with Bullet-Time Generation [15.225127596594582]
  BulletGenは、生成モデルを利用してエラーを訂正し、動的なシーン表現で行方不明情報を完成させるアプローチである。 提案手法は,静的および動的シーン成分と生成コンテンツをシームレスにブレンドし,新しいビュー合成と2D/3Dトラッキングの両タスクの最先端結果を実現する。
  論文  参考訳（メタデータ） (2025-06-23T13:03:42Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
  現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。 新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video [55.704264233274294]
  ぼやけたモノクロ映像から高品質な4Dモデルを再構成するためのDeblur4DGSを提案する。 我々は露光時間内の連続的動的表現を露光時間推定に変換する。 Deblur4DGSは、新規なビュー合成以外にも、複数の視点からぼやけたビデオを改善するために応用できる。
  論文  参考訳（メタデータ） (2024-12-09T12:02:11Z)
• EG4D: Explicit Generation of 4D Object without Score Distillation [105.63506584772331]
  DG4Dは、スコア蒸留なしで高品質で一貫した4Dアセットを生成する新しいフレームワークである。 私たちのフレームワークは、世代品質のベースラインをかなりのマージンで上回ります。
  論文  参考訳（メタデータ） (2024-05-28T12:47:22Z)

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。