DynaSplat: 基于层次化运动分解的动态-静态高斯溅射用于场景重建
计算机视觉与模式识别
2025-06-12 v1 人工智能
摘要
重建复杂且不断变化的环境仍是计算机视觉领域的核心目标，但现有方案在面对真实世界动态的复杂性时往往难以胜任。我们提出DynaSplat，一种通过整合动态-静态分离与层次化运动建模，将高斯溅射(Gaussian Splatting)扩展至动态场景的方法。首先，我们通过一种新颖的变形偏移统计与2D运动流一致性融合，将场景元素分类为静态或动态，从而精炼空间表示，精确聚焦于运动关键区域。随后，我们引入一种层次化运动建模策略，同时捕捉粗粒度的全局变换与细粒度的局部运动，从而实现对复杂非刚体运动的精确处理。最后，我们整合了基于物理的不透明度估计，以确保在具有挑战性的遮挡和视角变化下仍能实现视觉一致的重建。在具有挑战性的数据集上进行的广泛实验表明，DynaSplat不仅在准确性和真实感上超越了现有最先进方法，还为动态场景重建提供了一种更直观、紧凑且高效的途径。
引用
@article{arxiv.2506.09836,
title = {DynaSplat: Dynamic-Static Gaussian Splatting with Hierarchical Motion Decomposition for Scene Reconstruction},
author = {Junli Deng and Ping Shi and Qipei Li and Jinyang Guo},
journal= {arXiv preprint arXiv:2506.09836},
year = {2025}
}