GP-4DGS：基于变分高斯过程的单目视频概率化 4D 高斯溅写
计算机视觉与模式识别
2026-04-06 v1
摘要
我们提出了 GP-4DGS，一种新颖的框架，将高斯过程 (Gaussian Processes, GPs) 集成到 4D 高斯溅写 (4D Gaussian Splatting, 4DGS) 中，以对动态场景进行原则性的概率建模。虽然现有的 4DGS 方法专注于确定性重建，但它们本质上受限于无法捕捉运动歧义，且缺乏评估预测可靠性的机制。通过利用 GPs 的基于核的概率特性，我们的方法引入了三个关键能力：(i) 对运动预测的不确定性量化，(ii) 对于未观察或稀疏采样区域的运动估计，以及 (iii) 超出观察训练帧的时序外推。为将 GPs 扩展至 4DGS 中大量高斯原始数据的计算规模，我们设计了捕获变形场相关结构的时空核，并采用变分高斯过程 (variational Gaussian Processes) 配合诱导点实现可计算的推断。我们的实验表明，GP-4DGS 在提升重建质量的同时，提供了可靠的不确定性估计，有效识别出运动歧义的高风险区域。通过解决这些挑战，我们的工作为桥接概率建模与神经图形学迈出了有意义的一步。
引用
@article{arxiv.2604.02915,
title = {GP-4DGS: Probabilistic 4D Gaussian Splatting from Monocular Video via Variational Gaussian Processes},
author = {Mijeong Kim and Jungtaek Kim and Bohyung Han},
journal= {arXiv preprint arXiv:2604.02915},
year = {2026}
}
备注
CVPR 2026, Page: https://cv.snu.ac.kr/research/GP4DGS