Instruct-4DGS：基于4D高斯的静态-动态分离实现高效动态场景编辑
计算机视觉与模式识别
2025-07-02 v3
摘要
最近的4D动态场景编辑方法需要对用于动态场景合成的数千张2D图像进行编辑，并通过额外的训练循环来更新整个场景，导致编辑单个动态场景需要数小时。因此，这些方法在动态场景的时间维度（即时间步数）方面不可扩展。本文提出了Instruct-4DGS，这是一种在时间维度上更具可扩展性的高效动态场景编辑方法。为实现计算效率，我们采用4D高斯表示，通过将静态3D高斯与基于Hexplane的变形场相结合来建模4D动态场景，后者捕获动态信息。随后仅对静态3D高斯进行编辑，这是视觉编辑所需的最小且充分的组件。为解决编辑后的3D高斯与变形场之间可能出现的错位问题，我们引入了基于得分蒸馏机制的细化阶段。大量编辑结果表明，Instruct-4DGS高效且显著降低了处理时间（相较于现有方法缩短超过一半），同时实现了高质量的编辑，更能遵循用户指令。代码与结果：https://hanbyelcho.info/instruct-4dgs/
引用
@article{arxiv.2502.02091,
title = {Instruct-4DGS: Efficient Dynamic Scene Editing via 4D Gaussian-based Static-Dynamic Separation},
author = {Joohyun Kwon and Hanbyel Cho and Junmo Kim},
journal= {arXiv preprint arXiv:2502.02091},
year = {2025}
}
备注
Accepted to CVPR 2025. The first two authors contributed equally