Inst4DGS：基于多视频标签置换学习的实例分解 4D 高斯溅写
计算机视觉与模式识别
2026-03-20 v1
摘要
我们提出 Inst4DGS，一种具有长期单高斯轨迹的实例分解 4D 高斯溅写 (4DGS) 方法。尽管动态 4DGS 近年来取得了快速进展，但实例分解的 4DGS 仍鲜有探索，主要由于难以关联独立分段多视角视频中不一致的实例标签。为解决这一挑战，我们引入每个视频的标签置换潜在变量，通过可微的 Sinkhorn 层学习跨视频实例匹配，实现身份保持的直接多视角监督。这种显式标签对齐产生清晰的决策边界和稳定的时序身份，无身份漂移。为进一步提高效率，我们提出实例分解运动脚手架，为每个对象的长期轨迹优化提供低维运动基。在 Panoptic Studio 和 Neural3DV 上进行的实验表明，Inst4DGS 同时支持跟踪和实例分解，实现了最先进的渲染和分割质量。在 Panoptic Studio 数据集上，Inst4DGS 的 PSNR 从 26.10 提升至 28.36，实例 mIoU 从 0.6310 提升至 0.9129，超过了最强的基线方法。
关键词
引用
@article{arxiv.2603.18402,
title = {Inst4DGS: Instance-Decomposed 4D Gaussian Splatting with Multi-Video Label Permutation Learning},
author = {Yonghan Lee and Dinesh Manocha},
journal= {arXiv preprint arXiv:2603.18402},
year = {2026}
}