CoDa-4DGS：面向自动驾驶的具备上下文与形变感知的动态 Gaussian Splatting
计算机视觉与模式识别
2025-03-11 v1
摘要
动态场景渲染通过实现具有真实感数据的闭环仿真，为自动驾驶开辟了新途径，这对于验证端到端算法至关重要。然而，交通环境复杂且高度动态的特性在精确渲染这些场景时带来了重大挑战。在本文中，我们引入了一种新颖的 4D Gaussian Splatting (4DGS) 方法，该方法结合了上下文和时间形变感知以改进动态场景渲染。具体而言，我们采用 2D 语义分割基础模型对 Gaussians 的 4D 语义特征进行自监督，确保有意义的上下文嵌入。同时，我们跟踪每个 Gaussian 在相邻帧之间的时间形变。通过聚合和编码语义与时间形变特征，每个 Gaussian 都配备了 3D 空间内潜在形变补偿的线索，从而促进对动态场景更精确的表示。实验结果表明，我们的方法提高了 4DGS 在自动驾驶动态场景渲染中捕捉精细细节的能力，并在 4D 重建和新视角合成方面优于其他自监督方法。此外，CoDa-4DGS 随每个 Gaussian 形变语义特征，实现了更广泛的应用。
引用
@article{arxiv.2503.06744,
title = {CoDa-4DGS: Dynamic Gaussian Splatting with Context and Deformation Awareness for Autonomous Driving},
author = {Rui Song and Chenwei Liang and Yan Xia and Walter Zimmer and Hu Cao and Holger Caesar and Andreas Festag and Alois Knoll},
journal= {arXiv preprint arXiv:2503.06744},
year = {2025}
}