CoGS：可控高斯泼溅

捕获并重新驱动铰接对象的 3D 结构存在重大障碍。一方面，需要大量校准的多视角设置的方法过于复杂且资源密集，限制了其实际适用性。另一方面，虽然单相机神经辐射场（Neural Radiance Fields, NeRFs）提供了一种更精简的方法，但它们具有过高的训练和渲染成本。3D Gaussian Splatting 将是一个合适的替代方案，但存在两个原因。首先，现有的 3D 动态高斯方法需要同步的多视角相机；其次，动态场景中缺乏可控性。我们提出了 CoGS，一种用于可控高斯泼溅的方法，它能够直接操纵场景元素，提供对动态场景的实时控制，而无需预先计算控制信号的前提。我们使用包含不同难度动态对象的合成和真实世界数据集对 CoGS 进行了评估。在我们的评估中，CoGS 在视觉保真度方面始终优于现有的动态和可控神经表示。