論文の概要: GaussianSpline: Adaptive Bézier Splines for Highly Dynamic 4D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.35224v1
• Date: Mon, 26 Oct 2026 11:14:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.83944
• Title: GaussianSpline: Adaptive Bézier Splines for Highly Dynamic 4D Gaussian Splatting
• Title（参考訳）: GaussianSpline: 高ダイナミックな4Dガウススプレイティングのための適応ベジエスプライン
• Abstract要約: ガウス運動ごとの動的4次元ガウス散乱法, 非一様立方ベジエスプラインをモデル化する。 Neural 3D Videoベンチマーク、Google Immersiveデータセット、および合成シーンの実験は、GaussianSplineが再構築品質を大幅に改善することを示している。
• 参考スコア（独自算出の注目度）: 1.8907108368038215
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: We present GaussianSpline, a dynamic 4D Gaussian Splatting method that models per-Gaussian motion using adaptive, non-uniform piecewise cubic Bézier splines. Unlike approaches based on global deformations, fixed-order polynomials, or uniformly parameterized splines, GaussianSpline jointly learns the Bézier control points and the temporal partition of each Gaussian's trajectory. This adaptive representation allocates greater temporal capacity to highly dynamic regions while maintaining compact trajectories for near-static regions, enabling high-fidelity reconstruction of complex and rapidly changing motion. To jointly achieve globally smooth motion and local adaptivity, we enforce $G^1$ continuity between consecutive Bézier segments using a reflection-based constraint on their control points. This produces smooth, fully differentiable trajectories while preserving the flexibility of non-uniform temporal parameterization. Experiments on the Neural 3D Video benchmark, the Google Immersive dataset, as well as on synthetic scenes demonstrate that GaussianSpline substantially improves reconstruction quality in scenes with highly non-uniform and challenging dynamics, while maintaining competitive performance on general dynamic scenes compared with state-of-the-art 4D Gaussian Splatting methods.
• Abstract（参考訳）: 適応的な非一様3次ベジエスプラインを用いたガウス運動をモデル化する動的4次元ガウススプラッティング法であるガウスススプラインを提案する。 大域的変形、固定階多項式、あるいは一様パラメータ化されたスプラインに基づくアプローチとは異なり、ガウススプラインはベジエ制御点とガウス軌道の時間的分割を共同で学習する。 この適応的表現は、近静領域のコンパクトな軌道を維持しながら、高ダイナミックな領域により大きな時間的容量を割り当て、複雑で急速に変化する動きの高忠実な再構成を可能にする。 グローバルな滑らかな運動と局所的な適応性を共同で達成するために、制御点の反射に基づく制約を用いて連続ベジエセグメント間の$G^1$連続性を強制する。 これは、非一様時間パラメータ化の柔軟性を維持しながら、滑らかで完全に微分可能な軌道を生成する。 Neural 3D Videoベンチマーク、Google Immersiveデータセット、および合成シーンの実験では、GussianSplineは、非常に一様で挑戦的なダイナミックスを持つシーンの再構築品質を大幅に向上する一方で、最先端の4D Gaussian Splattingメソッドと比較して、一般的な動的シーンでの競合性能を維持している。

関連論文リスト

• 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)
• Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
  本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。 本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
  論文  参考訳（メタデータ） (2025-08-07T01:39:29Z)
• Speedy Deformable 3D Gaussian Splatting: Fast Rendering and Compression of Dynamic Scenes [57.69608119350651]
  動的シーンへの3次元ガウススティング(3DGS)の最近の拡張は、ニューラルネットワークを用いて各ガウスの時間変化変形を予測することによって、高品質な新規ビュー合成を実現する。 しかしながら、ガウス毎のニューラルネットワークを各フレームで実行することは、レンダリング速度を制限し、メモリと計算要求を増大させる、重大なボトルネックとなる。 動的3DGSおよび4DGS表現のレンダリング速度を2つの相補的手法により低減し,高速化する汎用パイプラインであるSpeedy Deformable 3D Gaussian Splatting(SpeeDe3DGS)を提案する。
  論文  参考訳（メタデータ） (2025-06-09T16:30:48Z)
• 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)
• SplineGS: Robust Motion-Adaptive Spline for Real-Time Dynamic 3D Gaussians from Monocular Video [26.468480933928458]
  高品質な再構成とモノクロビデオからの高速レンダリングを実現するために,COLMAPフリーな動的3DガウススティングフレームワークであるSplineGSを提案する。 中心となるのは、連続的な動的3次元ガウス軌道を表す新しい動き適応スプライン(MAS)法である。 カメラパラメータ推定と3次元ガウス属性の同時最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-12-13T09:09:14Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)

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。