DIAL-GS: 面向无标签街景的动态实例感知重建与4D高斯泼溅
计算机视觉与模式识别
2025-11-11 v1
摘要
城市场景重建对于自动驾驶至关重要，它能为数据合成和闭环测试提供结构化的3D表示。有监督方法依赖昂贵的人工标注且缺乏可扩展性，而当前的自监督方法常常混淆静态和动态元素，并且无法区分单个动态物体，限制了细粒度编辑。我们提出DIAL-GS，一种新颖的基于4D高斯泼溅的无标签街景动态实例感知重建方法。我们首先通过利用扭曲渲染与实际观测之间的外观-位置不一致性，精确识别动态实例。在实例级动态感知的引导下，我们采用实例感知的4D高斯作为统一的体积表示，实现了动态自适应和实例感知的重建。此外，我们引入了一种互惠机制，通过该机制，身份和动态相互增强，提高了完整性和一致性。在城市驾驶场景上的实验表明，DIAL-GS在重建质量和实例级编辑方面超越了现有的自监督基线，为城市场景建模提供了一种简洁而强大的解决方案。
引用
@article{arxiv.2511.06632,
title = {DIAL-GS: Dynamic Instance Aware Reconstruction for Label-free Street Scenes with 4D Gaussian Splatting},
author = {Chenpeng Su and Wenhua Wu and Chensheng Peng and Tianchen Deng and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2511.06632},
year = {2025}
}