論文の概要: FL4N: Feed-forward Latent Model for 4D Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2610.35854v1
• Date: Mon, 26 Oct 2026 17:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.138923
• Title: FL4N: Feed-forward Latent Model for 4D Novel View Synthesis
• Title（参考訳）: FL4N:4次元新しいビュー合成のためのフィードフォワード遅延モデル
• Abstract要約: FL4Nは、最初のフィードフォワード遅延4DNVSモデルである。明示的な4Dプリミティブに頼る代わりに、FL4Nは4Dシーンを、空間と時間にまたがる統一潜在表現に符号化する。
• 参考スコア（独自算出の注目度）: 32.410259978937205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 4D novel view synthesis (NVS) aims to render dynamic scenes across viewpoints and timestamps, which requires jointly inferring 3D structure and temporal dynamics. Existing monocular feed-forward methods often rely on explicit 4D Gaussian representations, which are prone to temporal inconsistency and severe rendering artifacts. We present FL4N, the first feed-forward latent 4D NVS model. Instead of relying on explicit 4D primitives, FL4N encodes a 4D scene prior into a unified latent representation across space and time. Our core insight is that learning temporal dynamics as residuals on top of a pretrained static latent prior enables effective 4D modeling with limited dynamic training data. To this end, we introduce a lightweight dynamic encoder that leverages static scene features to disentangle object motion from camera-induced parallax. Trained solely with an image synthesis objective, FL4N achieves state-of-the-art 4D NVS quality while rendering in real time. Its learned latent representation generalizes to real-world videos and disentangles viewpoint from time.
• Abstract（参考訳）: 4Dノベルビュー合成(NVS)は、視点とタイムスタンプをまたいだダイナミックなシーンをレンダリングすることを目的としており、3D構造と時間的ダイナミクスを同時推論する必要がある。 既存の単眼フィードフォワード法は、時間的不整合や厳密なレンダリングアーティファクトの傾向にある明示的な4Dガウス表現に依存していることが多い。 フィードフォワード式4D NVSモデルであるFL4Nについて述べる。 FL4Nは明示的な4Dプリミティブに頼る代わりに、4Dシーンを空間と時間にわたって統一された潜在表現にエンコードする。 我々の中核的な洞察は、事前訓練された静的潜伏前の残差として時間的ダイナミクスを学習することで、限られた動的トレーニングデータによる効果的な4Dモデリングが可能になるということである。 この目的のために,カメラによるパララックスから物体の動きを遠ざけるために静的なシーン特徴を利用する軽量なダイナミックエンコーダを導入する。 FL4Nは画像合成目的のみで訓練され、リアルタイムにレンダリングしながら最先端の4D NVS品質を達成する。 その学習された潜在表現は、現実世界のビデオに一般化し、時間から視点を歪めます。

関連論文リスト

• MATE4D: Matrix-Guided Editable 4D Generation from a Single Image [2.6928305857508974]
  生成モデルは、コンテンツの制作を動的3Dと4Dのシーンに素早く押し付けている。 本稿では、1つの入力画像を編集可能な4Dコンテンツに変換するフレームワークであるMATE4Dを紹介する。
  論文  参考訳（メタデータ） (2026-10-08T03:40:14Z)
• Motion 3-to-4: 3D Motion Reconstruction for 4D Synthesis [53.48281548500864]
  Motion 3-to-4は、単一のモノクロビデオから高品質な4Dダイナミックオブジェクトを合成するためのフィードフォワードフレームワークである。 我々のモデルは、コンパクトな動き潜在表現を学習し、フレーム単位の軌道を予測して、時間的コヒーレントな幾何である完全なロバスト性を取り戻す。
  論文  参考訳（メタデータ） (2026-01-20T18:59:48Z)
• SS4D: Native 4D Generative Model via Structured Spacetime Latents [50.29500511908054]
  モノクロビデオから直接動的3Dオブジェクトを合成する,ネイティブな4D生成モデルであるSS4Dを提案する。 発電機を4Dデータで直接訓練し、高忠実度、時間的コヒーレンス、構造的整合性を実現する。
  論文  参考訳（メタデータ） (2025-12-16T10:45:06Z)
• Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconstruction Models [79.06910348413861]
  Diff4Splatは、単一の画像から制御可能で明示的な4Dシーンを合成するフィードフォワード方式である。 単一の入力画像、カメラ軌跡、オプションのテキストプロンプトが与えられた場合、Diff4Splatは外見、幾何学、動きを符号化する変形可能な3Dガウス場を直接予測する。
  論文  参考訳（メタデータ） (2025-11-01T11:16:25Z)
• Free4D: Tuning-free 4D Scene Generation with Spatial-Temporal Consistency [49.875459658889355]
  Free4Dは、単一の画像から4Dシーンを生成するためのチューニング不要のフレームワークである。 我々の重要な洞察は、一貫した4次元シーン表現のために、事前訓練された基礎モデルを蒸留することである。 結果の4D表現はリアルタイムで制御可能なレンダリングを可能にする。
  論文  参考訳（メタデータ） (2025-03-26T17:59:44Z)
• 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
  動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。 我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。 ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
  論文  参考訳（メタデータ） (2024-12-30T05:30:26Z)
• Real-time Photorealistic Dynamic Scene Representation and Rendering with 4D Gaussian Splatting [8.078460597825142]
  2次元画像から動的3Dシーンを再構成し、時間とともに多様なビューを生成することは、シーンの複雑さと時間的ダイナミクスのために困難である。 本研究では、4次元プリミティブの集合を明示的な幾何学と外観モデルを用いて最適化することにより、動的シーンの基本的な時間的レンダリング量を近似することを提案する。 我々のモデルは概念的に単純であり、異方性楕円によってパラメータ化され、空間と時間で任意に回転する4次元ガウスのパラメータと、4次元球面調和係数で表されるビュー依存および時間進化の外観から構成される。
  論文  参考訳（メタデータ） (2023-10-16T17:57:43Z)

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。