周期振动高斯：动态城市场景重建与实时渲染
计算机视觉与模式识别
2025-08-26 v3
摘要
由于动态大规模城市场景具有高度复杂的几何结构以及空间与时间上不受约束的动态特性，对其建模极具挑战性。已有方法常采用高层架构先验，将静态与动态元素分离，导致对其协同交互的捕捉不够理想。为应对这一挑战，我们提出一种称为周期振动高斯（Periodic Vibration Gaussian, PVG）的统一表示模型。PVG 基于最初为静态场景表示设计的高效 3D Gaussian splatting 技术，引入基于周期振动的时间动态性。这一创新使 PVG 能够优雅且统一地表示动态城市场景中各类物体与元素的特性。为在稀疏训练数据下增强时间连贯的大场景表示学习，我们分别提出了一种新颖的时间平滑机制与位置感知自适应控制策略。在 Waymo Open Dataset 与 KITTI 基准上的大量实验表明，PVG 在动态与静态场景的重建及新视角合成方面均超越 state-of-the-art 方法。值得注意的是，PVG 无需依赖人工标注的物体边界框或昂贵的光流估计即可实现这一点。此外，PVG 在渲染上相较最佳替代方法实现了 900 倍的加速。
引用
@article{arxiv.2311.18561,
title = {Periodic Vibration Gaussian: Dynamic Urban Scene Reconstruction and Real-time Rendering},
author = {Yurui Chen and Chun Gu and Junzhe Jiang and Xiatian Zhu and Li Zhang},
journal= {arXiv preprint arXiv:2311.18561},
year = {2025}
}
备注
Project page: https://fudan-zvg.github.io/PVG/