即时高斯流：基于高斯溅写的动态场景重建快速通用流式方法
计算机视觉与模式识别
2025-03-24 v1
摘要
以流式方式构建自由视点视频相较于离线训练方法具有快速响应优势，大大提升了用户体验。然而，当前的流式方法面临每帧重建时间高达10秒以上且存在误差累积的问题，限制了其更广泛的应用。在本文中，我们提出了即时高斯流（Instant Gaussian Stream, IGS），以解决上述问题的快速通用流式框架。首先，我们引入了通用锚点驱动高斯运动网络，将多视角2D运动特征投影到3D空间，并通过锚点驱动所有高斯的运动。该通用网络在单次推理时间内即可为每个目标帧生成运动。其次，我们提出了基于关键帧的流式策略，对每个关键帧进行细化，实现对复杂时序场景的精确重建，同时缓解误差累积。我们进行了大量的域内和跨域评估，表明该方法能够实现平均每帧重建时间为2秒以上，同时提升视角合成质量。
引用
@article{arxiv.2503.16979,
title = {Instant Gaussian Stream: Fast and Generalizable Streaming of Dynamic Scene Reconstruction via Gaussian Splatting},
author = {Jinbo Yan and Rui Peng and Zhiyan Wang and Luyang Tang and Jiayu Yang and Jie Liang and Jiahao Wu and Ronggang Wang},
journal= {arXiv preprint arXiv:2503.16979},
year = {2025}
}