DN-4DGS：用于动态场景渲染的去噪可变形网络与时空聚合

动态场景渲染是一个既有趣又具挑战性的问题。虽然目前基于 NeRF 的方法已取得满意的效果，但仍无法实现实时水平。最近，3D 高斯溅写 (3D Gaussian Splatting, 3DGS) 因其卓越的渲染质量和实时速度而受到研究者关注。因此，提出了新的范式：定义规范 3D 高斯并通过可变形场将其变形到单个帧。然而，由于规范 3D 高斯的坐标被噪声污染，这些噪声会传递到可变形场中，且目前尚无方法充分考虑 4D 信息的聚合。因此，我们提出了 Denoised Deformable Network with Temporal-Spatial Aggregation for Dynamic Scene Rendering (DN-4DGS)。具体而言，引入噪声抑制策略以改变规范 3D 高斯坐标的分布并抑制噪声。此外，设计了解耦时空聚合模块以聚合相邻点和帧的信息。在 various 真实世界数据集上的大量实验表明，我们的方法在实现实时水平的同时，达到了卓越的渲染质量。