PaMoSplat：基于部件感知和运动引导的动态场景高斯溅射重建
计算机视觉与模式识别
2026-05-12 v1 图形学
机器人学
摘要
动态场景重建是计算机视觉和机器人学中具有根本性且具有挑战性的任务。虽然近期基于 3DGS 方法的进展推动了动态场景建模，但在大幅复杂运动的场景中，获取高保真渲染和精准跟踪仍然具有显著挑战。为此，我们提出 PaMoSplat，一种融合部件感知和运动先验的新型动态高斯溅射框架。我们的方法基于两个关键观察：1) 部件是场景变形的基本单元；2) 光流运动线索可有效指导部件运动。具体而言，PaMoSplat 通过图聚类将多视角分割掩码提升至 3D 空间，建立连贯的高斯部件。对于后续时间戳，我们利用差分进化算法结合多视角光流线索，估计这些部件的刚性运动，为后续优化提供稳健的初始解。此外，PaMoSplat 引入自适应迭代次数机制、内部可学习刚性参数以及受流 supervision 渲染损失，以加速和优化训练过程。广泛的实验评估涵盖多种场景，包括真实环境，表明 PaMoSplat 在渲染质量、跟踪精度和收敛速度方面均优于现有方法。进一步，该方法支持多个部件级别的下游应用，如 4D 场景编辑。
引用
@article{arxiv.2605.10307,
title = {PaMoSplat: Part-Aware Motion-Guided Gaussian Splatting for Dynamic Scene Reconstruction},
author = {Yinan Deng and Jianyu Dou and Jiahui Wang and Jingyu Zhao and Yi Yang and Yufeng Yue},
journal= {arXiv preprint arXiv:2605.10307},
year = {2026}
}
备注
Accepted by TCSVT. Project Url: https://pamosplat.github.io