4DStyleGaussian：基于高斯溅射的零样本 4D 风格迁移
计算机视觉与模式识别
2024-10-15 v1
摘要
3D 神经风格迁移因其提供空间一致性的用户友好风格化而受到广泛关注。然而，现有的 3D 风格迁移方法在推理效率、泛化能力方面不足，且难以处理具有时间一致性的动态场景。在本文中，我们引入了4DStyleGaussian，一种 novel 4D 风格迁移框架，旨在实现任意风格参考的实时风格化，同时保持合理的内容关联性、多视角一致性和时间一致性。我们的方法利用嵌入式 4D 高斯溅射技术，该技术使用可逆神经网络进行训练，以减少特征蒸馏过程中的内容损失。利用 4D 嵌入高斯，我们预测 4D 风格变换矩阵，以实现基于高斯溅射的空间和时间一致风格迁移。实验表明，我们的方法能够以增强的效率和空间-时间一致性实现 4D 场景的高质量零样本风格化。
引用
@article{arxiv.2410.10412,
title = {4DStyleGaussian: Zero-shot 4D Style Transfer with Gaussian Splatting},
author = {Wanlin Liang and Hongbin Xu and Weitao Chen and Feng Xiao and Wenxiong Kang},
journal= {arXiv preprint arXiv:2410.10412},
year = {2024}
}