GIC：用于物理属性识别和仿真的高斯信息连续体

本文研究了通过视觉观察来估计物理属性（系统辨识）的问题。为促进几何感知引导的物理属性估计，我们引入一种新型混合框架，利用3D高斯表示既能捕获显式形状，又能在训练期间渲染物体掩码作为2D形状代理。我们提出了一种基于运动分解的动态3D高斯框架，用于在不同时间状态下恢复物体作为3D高斯点集。此外，我们开发了从粗到细的填充策略，用于从高斯重建生成物体的密度场，允许提取物体连续体及其表面，并将高斯属性整合到这些连续体中。除了提取的物体表面，高斯信息连续体还能在仿真期间渲染物体掩码，作为物理属性估计的2D形状引导。大量实验评估表明，我们的管道在多个基准和指标上实现了最佳性能。此外，我们通过实际演示展示了所提方法的有效性，凸显了其实际用途。项目页面位于 https://jukgei.github.io/project/gic。