MoDec-GS：面向紧凑动态三维高斯泼溅的全局到局部运动分解与时间间隔调整
计算机视觉与模式识别
2025-03-25 v3
摘要
三维高斯泼溅（3DGS）在场景表示和神经渲染方面取得了显著进展，人们致力于将其应用于动态场景。尽管现有方法提供了卓越的渲染质量和速度，但在存储需求和表示复杂真实世界运动方面仍存在困难。为了解决这些问题，我们提出了MoDecGS，一种内存高效的高斯泼溅框架，旨在重建具有复杂运动的挑战性场景中的新视角。我们引入了全局到局部运动分解（GLMD），以由粗到细的方式有效捕捉动态运动。该方法利用全局规范支架（Global CS）和局部规范支架（Local CS），将静态支架表示扩展到动态视频重建。对于Global CS，我们提出了全局锚点变形（GAD），通过直接变形隐式支架属性（锚点位置、偏移和局部上下文特征），高效地表示沿复杂运动的全局动态。接下来，我们通过Local CS的局部高斯变形（LGD）显式地精细调整局部运动。此外，我们引入了时间间隔调整（TIA），在训练期间自动控制每个Local CS的时间覆盖范围，使MoDecGS能够根据指定的时间片段数量找到最优间隔分配。大量评估表明，与最先进的动态三维高斯方法相比，MoDecGS在来自真实世界动态视频的模型大小上平均减少了70%，同时保持甚至提高了渲染质量。
引用
@article{arxiv.2501.03714,
title = {MoDec-GS: Global-to-Local Motion Decomposition and Temporal Interval Adjustment for Compact Dynamic 3D Gaussian Splatting},
author = {Sangwoon Kwak and Joonsoo Kim and Jun Young Jeong and Won-Sik Cheong and Jihyong Oh and Munchurl Kim},
journal= {arXiv preprint arXiv:2501.03714},
year = {2025}
}
备注
CVPR2025 (camera ready ver.). The last two authors are co-corresponding authors. Please visit our project page at https://kaist-viclab.github.io/MoDecGS-site/