Catalyst4D:基于动态传播的高保真 3D 到 4D 场景编辑
计算机视觉与模式识别
2026-04-01 v2
摘要
近期基于 NeRF 和 3DGS 的 3D 场景编辑技术取得了高质量静态场景编辑的进展。相比之下,动态场景编辑仍具挑战性,因为直接将 2D 扩散模型扩展到 4D 的方法常产生运动伪影、时间抖动和不一致的风格传播。我们引入 Catalyst4D 框架,在保持空间和时间一致性的前提下,将高质量 3D 编辑传递到动态 4D 高斯场景。其核心是 Anchor-based Motion Guidance (AMG) 从原始和编辑后的高斯点构建一组结构稳定且在空间上具代表性的锚点。这些锚点作为稳健的区域级参考,其对应关系通过最优传输建立,从而实现无跨区域干扰或运动漂移的一致变形传播。补充方面,Color Uncertainty-guided Appearance Refinement (CUAR) 通过估计每个高斯点的颜色不确定性,精炼易因遮挡导致的伪影区域,从而保持时间层面的外观一致性。大量实验表明,Catalyst4D 实现了时空稳定、高保真的动态场景编辑,并在视觉质量和运动一致性方面超越现有方法。
引用
@article{arxiv.2603.12766,
title = {Catalyst4D: High-Fidelity 3D-to-4D Scene Editing via Dynamic Propagation},
author = {Shifeng Chen and Yihui Li and Jun Liao and Hongyu Yang and Di Huang},
journal= {arXiv preprint arXiv:2603.12766},
year = {2026}
}
备注
https://junliao2025.github.io/Catalyst4D-ProjectPage/