HAIF-GS: 用于动态场景的分层与诱导流引导高斯溅射
计算机视觉与模式识别
2025-10-30 v2
摘要
从单目视频中重建动态 3D 场景仍然是 3D 视觉中的一个基本挑战。虽然 3D 高斯溅射（3DGS）在静态设置中实现了实时渲染，但将其扩展到动态场景具有挑战性，因为学习结构化和时间一致的运动表示十分困难。这一挑战在现有方法中通常表现为三个局限：冗余的高斯更新、不足的运动监督以及对复杂非刚体形变的弱建模。这些问题共同阻碍了连贯且高效的动态重建。为解决这些局限，我们提出了 HAIF-GS，一个统一的框架，通过稀疏锚点驱动的形变实现结构化和一致的动态建模。它首先通过锚点滤波器识别运动相关区域，以抑制静态区域中的冗余更新。一个自监督的诱导流引导形变模块利用多帧特征聚合来诱导锚点运动，无需显式的流标签。为进一步处理精细形变，一个分层锚点传播机制根据运动复杂度增加锚点分辨率并传播多层变换。在合成和真实世界基准上的广泛实验验证了 HAIF-GS 在渲染质量、时间一致性和重建效率方面显著优于先前的动态 3DGS 方法。
引用
@article{arxiv.2506.09518,
title = {HAIF-GS: Hierarchical and Induced Flow-Guided Gaussian Splatting for Dynamic Scene},
author = {Jianing Chen and Zehao Li and Yujun Cai and Hao Jiang and Chengxuan Qian and Juyuan Kang and Shuqin Gao and Honglong Zhao and Tianlu Mao and Yucheng Zhang},
journal= {arXiv preprint arXiv:2506.09518},
year = {2025}
}
备注
Accepted to NeurIPS 2025. Project page: https://echopickle.github.io/HAIF-GS.github.io/