针对标准化基准的高效动态场景新视角合成的 3D 高斯散射
计算机视觉与模式识别
2026-05-13 v1
摘要
Retrospective novel view synthesis (NVS) of dynamic scenes 是诸如体育等应用的基本任务。最近的动态 3D 高斯散射 (3DGS) 方法引入时序耦合形式以确保时间上的运动一致性。本文认为，在典型体育场景的同步多视角 (MV) 设置下，每个时间步的动态场景已受到强几何约束。我们认为，已校准、同步的视点提供了足够的空间一致性，因此，对于回顾性 NVS，不需要显式时序耦合或复杂的多体约束。为此，我们提出了针对同步 MV 动态场景的方法。通过在起始时间初始化 SfM 派生的点云并在时间上传播优化的高斯分布，我们展示了无需施加时序变形约束即可实现高效的回顾性 NVS。补充我们的方法贡献，我们引入基于 Blender 的 Dynamic MV 数据集框架，用于可重复的 NeRF 和 3DGS 研究。该框架生成高质量、同步相机 rig，并导出标准格式的训练就绪数据集，消除坐标约定和数据管道中的不一致性。使用该框架，我们构建了动态基准套件并在受控条件下评估了代表性的 NeRF 和 3DGS 方法。综上所述，在同步 MV 设置下，可以使用 3DGS 实现高效的回顾性动态场景 NVS。与此同时，数据集生成框架 enables 可重复、原则化的动态 NVS 方法进行基准测试。
引用
@article{arxiv.2605.12437,
title = {3D Gaussian Splatting for Efficient Retrospective Dynamic Scene Novel View Synthesis with a Standardized Benchmark},
author = {Yunxiao Zhang and Suryansh Kumar},
journal= {arXiv preprint arXiv:2605.12437},
year = {2026}
}
备注
Accepted for publication at CVPR 2026; 4D World Models Workshop. Draft info: 14 pages, 4 figures, 8 tables