論文の概要: Reconstruct What You Can: Distractor-free 4D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2611.16259v1
- Date: Thu, 12 Nov 2026 03:59:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.356071
- Title: Reconstruct What You Can: Distractor-free 4D Gaussian Splatting
- Title(参考訳): ディストラクタフリーな4Dガウシアン・スプレイティング
- Abstract要約: 既存の手法では、静的な前提や全ての観測を同時にモデル化することで有効な動きを抑えることができ、ゴーストや不安定な幾何学が生み出される。
ReCan-GSは,コヒーレントなシーンコンテンツと一貫性のない観察を分離する4次元ガウススプレイティングフレームワークである。
同じ基準は、空間オククローダ、測光アーティファクトの除去、およびマスク、事前訓練されたセグメンタ、中程度の監視なしでの煙や霧の進化をサポートする。
- 参考スコア(独自算出の注目度): 10.20677138211117
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic reconstruction from casual video must preserve valid subject motion while suppressing transient occluders, shadows, and volumetric effects. Existing methods either suppress valid motion through static-scene assumptions or model all observations jointly, producing ghosting and unstable geometry. We introduce ReCan-GS, a 4D Gaussian Splatting framework that separates coherent scene content from inconsistent observations. It derives a Jacobian-based deformation-sensitivity score from the learned deformation field, using it as an empirical proxy for reconstruction ambiguity. The score guides separation into dynamic Core Gaussians and per-view Distractor Gaussians, or post-hoc pruning of sensitive Core Gaussians. The same criterion supports removal of spatial occluders, photometric artifacts, and evolving smoke or fog without masks, pretrained segmenters, or medium-specific supervision. Experiments on synthetic and real dynamic scenes and synthetic smoke/fog scenes demonstrate its usefulness across the evaluated distractor regimes.
- Abstract(参考訳): カジュアルビデオからの動的再構成は、一過性咬合器、影、容積効果を抑えながら、有効な被験者の動きを保たなければならない。
既存の手法は、静的シーンの仮定を通して有効な動きを抑えるか、または全ての観測を一緒にモデル化し、ゴーストと不安定な幾何学を生み出している。
ReCan-GSは,コヒーレントなシーンコンテンツと一貫性のない観察を分離する4次元ガウススプレイティングフレームワークである。
これは、ヤコビアンに基づく変形感度スコアを学習された変形場から導き出し、あいまいさを再現するための実証的プロキシとして利用する。
このスコアは、動的コア・ガウシアンとビュー毎のディトラクタ・ガウシアンへの分離、または敏感コア・ガウシアンによるポストホットプルーニングを導く。
同じ基準は、空間オククローダ、測光アーティファクトの除去、およびマスク、事前訓練されたセグメンタ、中程度の監視なしでの煙や霧の進化をサポートする。
合成・実動シーンと合成煙・霧シーンの実験は、評価された散逸状態全体にわたって有用性を示す。
関連論文リスト
- Implicit Neural Speckle Denoising [8.506200151475559]
ニューラル表現とアパーチャ認識の最大形状を組み合わせたトレーニング不要のフレームワークを導入し,雑音の観測からダイナミックでスペックルのない画像を直接復元する。
その結果, 空間的忠実度, 時間的整合性, および古典的, 教師なし, 監督的観察に対する様々なスペックル統計値が得られた。
論文 参考訳(メタデータ) (2026-08-06T20:36:51Z) - 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) - Bridging 3D Gaussians and Semantic Occupancy for Comprehensive Open-Vocabulary Scene Understanding from Unposed Images [62.31892851760248]
COVSceneはポーズレスセマンティックガウスフレームワークで、レンダリング可能なプリミティブと密接なセマンティック占有フィールドを結合する。
我々は、COVSceneは、競争力のあるレンダリング品質を維持し、オープン語彙のセグメンテーションを改善し、自己教師付きベースラインよりも強力なセマンティック占有率予測を実現することを示す。
論文 参考訳(メタデータ) (2026-07-02T03:00:23Z) - PersistGS: Differentiable Physics for Object Permanence in 4D Gaussian Splatting [11.523616541218878]
動的3次元ガウス散乱(3DGS)法は,光度監督を用いた同期マルチカメラ映像から時間変化シーンを再構成する。
本稿では,3次元ガウス散乱と微分可能剛体シミュレーションを結合させることにより,閉塞時の物体の永続性を復元する手法であるtextbfPersistGS$を提案する。
合成シーンの実験では、PersistGS は +2.46dB PSNR で一定の速度外挿性能を発揮し、地上軌道上界の 0.19dB 以内である。
論文 参考訳(メタデータ) (2026-06-02T10:57:15Z) - Semantic-Guided 3D Gaussian Splatting for Transient Object Removal [0.39287497907611874]
視覚言語モデルを用いたカテゴリー認識過渡的除去のためのセマンティックフィルタリングフレームワークを提案した。
RobustNeRFベンチマークの実験では、バニラ3DGSよりも復元品質が一貫した改善が見られた。
論文 参考訳(メタデータ) (2026-02-17T11:44:16Z) - AD-GS: Alternating Densification for Sparse-Input 3D Gaussian Splatting [6.696418686121452]
3次元ガウススプラッティング(3DGS)は、リアルタイムの新規なビュー合成において印象的な結果を示した。
重要な寄与要因は非制御の密度化であり、誘導なしで素粒子を迅速に加えると、幾何学に害を与え、アーティファクトを引き起こす可能性がある。
高密度・低密度化相をインターリーブする新しい交互デンシフィケーションフレームワークAD-GSを提案する。
論文 参考訳(メタデータ) (2025-09-13T23:05:49Z) - HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。
提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。
その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
論文 参考訳(メタデータ) (2025-06-24T03:54:40Z) - 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。