稀疏视图更新的长期高斯场景时间线

近期在新视角合成方面的进展能够从常规相机捕获中创建逼真的实物环境可视化。然而，日常环境经常发生场景变更，这需要在空间和时间上都有稠密观测，而普通设备无法覆盖。我们提出稀疏视图更新下的长期高斯场景时间线，称为LTGS，这是一种高效的场景表示，能够容纳来自高度受限日常捕获的日常变更。给定一个来自初始输入图像集的不完整且非结构化的3D高斯溅写(3DGS)表示，我们能鲁棒地建模尽管出现突变运动和细微环境变化的长期时间线。我们将物体建模为模板高斯，这些模板高斯作为共享物体轨迹的结构性、可重用先验。随后，模板高斯经历进一步的精炼流程，以适应给定少量观测的时变环境。一旦训练完成，我们的框架通过简单变换即可在多个时间步骤之间通用，显著提升了3D环境演变的时间可扩展性。由于现有数据集未能以稀疏捕获 setup 显式表示长期真实世界变更，我们收集了实际数据集以评估该流程的实用性。实验表明，我们的框架在其他基线方法之上实现了优异的重建质量，同时实现快速轻量级更新。项目页面可访问于: https://mkjjang3598.github.io/LTGS。