让它下雪！基于物理引导的 3D 高斯场景动态天气动画
图形学
2026-03-26 v4 计算机视觉与模式识别
摘要
3D 高斯溶解最近实现了对静态 3D 场景的快速照片级重建，但动态编辑仍是重大挑战。我们提出一种新框架——物理引导得分蒸馏（Physics-Guided Score Distillation），以解决一个根本性冲突：物理仿真提供的强运动先验不足以实现照片级真实感，而视频基得分蒸馿（Score Distillation Sampling, SDS）单独使用无法为复杂多粒子场景生成连贯运动。我们通过统一的优化框架实现此冲突：物理仿真引导得分蒸馏，联合细化运动先验以实现照片级真实感，同时优化外观。具体而言，我们学习一个神经动力学模型，预测粒子运动与外观，通过融合 Video-SDS 以实现照片级真实感与物理引导先验的联合优化，实现照片级细化，同时确保动力学合理。我们的框架支持包括雪花、雨水、雾气和沙尘暴在内的场景级动态天气效果，运动符合物理规律。实验表明，我们的物理引导方法显著优于基线方法，消融实验确认，这种联合细化对于生成连贯且高保真动力学至关重要。
引用
@article{arxiv.2504.05296,
title = {Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation},
author = {Gal Fiebelman and Hadar Averbuch-Elor and Sagie Benaim},
journal= {arXiv preprint arXiv:2504.05296},
year = {2026}
}
备注
Accepted to CVPR 2026. Project webpage: https://galfiebelman.github.io/let-it-snow/