PEGS：基于 3D 高斯溅写的物理-事件增强大尺度时空运动重建
计算机视觉与模式识别
2025-11-24 v1
摘要
由于建模范式的局限、严重运动模糊以及物理一致性不足， rigid motion 在大尺度时空尺度上的重建仍是一个具有挑战性的任务。本文提出PEGS，一个将物理先验与事件流集成至 3D 高斯溅写管道中的框架，用于进行无模糊目标聚焦建模和运动恢复。我们引入三级监督方案，通过加速度约束强制物理可行性，利用事件流实现高时间分辨率指导，并采用卡尔曼正则化器融合多源观测。此外，我们设计了一种运动感知的模拟退火策略，根据实时运动状态自适应调度训练过程。我们还贡献了首个针对自然快速刚性运动的 RGB-Event 配对数据集，覆盖多种场景。实验表明，PEGS 在恢复大尺度时空尺度上的运动性能优于主流动态方法。
引用
@article{arxiv.2511.17116,
title = {PEGS: Physics-Event Enhanced Large Spatiotemporal Motion Reconstruction via 3D Gaussian Splatting},
author = {Yijun Xu and Jingrui Zhang and Hongyi Liu and Yuhan Chen and Yuanyang Wang and Qingyao Guo and Dingwen Wang and Lei Yu and Chu He},
journal= {arXiv preprint arXiv:2511.17116},
year = {2025}
}