基于事件增强的可变形3D高斯用于动态场景重建
计算机视觉与模式识别
2025-03-28 v2
摘要
可变形3D高斯溅写(3D-GS)受限于RGB相机时序分辨率低，导致缺乏中间运动信息。为此，我们首次提出将事件相机——即捕获高时序连续运动数据的设备——与可变形3D-GS结合用于动态场景重建。我们观察到事件阈值建模在实现高质量重建中起关键作用。因此，我们提出了GS阈值联合建模策略，创建相互强化的过程，显著提高了3D重建和阈值建模质量。此外，我们引入了动态-静态分解策略，首先通过静态高斯无法表示运动的能力识别动态区域，然后应用基于缓冲区的软分解来分离动态和静态区域。该策略通过避免静态区域不必要的变形加速渲染，并聚焦动态区域以提升保真度。此外，我们贡献了首个包含合成和真实动态场景的事件包含4D基准数据集，其中本方法实现了最先进的性能。
引用
@article{arxiv.2411.16180,
title = {Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction},
author = {Wenhao Xu and Wenming Weng and Yueyi Zhang and Ruikang Xu and Zhiwei Xiong},
journal= {arXiv preprint arXiv:2411.16180},
year = {2025}
}