基于运动轨迹场的3D高斯表示用于动态场景重建
机器人学
2025-08-12 v1
摘要
本文解决从单目视频中进行新视角合成和动态场景运动重建的挑战，这是许多机器人应用的关键任务。虽然Neural Radiance Fields (NeRF) 和3D高斯溅写(3DGS)在渲染静态场景方面已取得显著成功，但将其扩展到重建动态场景仍具挑战性。本文提出一种新方法，将3DGS与运动轨迹场结合，实现对复杂物体运动的精确处理并生成物理上符合规范的运动轨迹。通过将动态物体从静态背景中解耦，本方法紧凑地优化运动轨迹场。该方法包含时间不变的运动系数和共享的运动轨迹基，能够捕捉复杂的运动模式，同时最小化优化复杂度。大量实验表明，我们的方法在单目视频的新视角合成和运动轨迹恢复方面均取得了最新的成果，推动了动态场景重建的能力。
引用
@article{arxiv.2508.07182,
title = {3D Gaussian Representations with Motion Trajectory Field for Dynamic Scene Reconstruction},
author = {Xuesong Li and Lars Petersson and Vivien Rolland},
journal= {arXiv preprint arXiv:2508.07182},
year = {2025}
}