R5DGS：面向高效动态场景重建的语义感知 4D 高斯溅射与刚体约束
计算机视觉与模式识别
2026-05-26 v1
摘要
从多视图视频中重建和预测动态 3D 场景是机器人、AR/VR 和数字孪生体的基础任务。最近的物理驱动型高斯溅射方法在实现未来帧外推方面取得了令人瞩目的成果，但缺乏语义感知且计算开销大。我们提出 ，一个在物理驱动的 4D 高斯表示上增强紧凑 Identity 编码向量的框架，实现高斯到对象的精确关联。通过构建离线的 CLIP 基对象查找表，我们支持开放词汇文本提示，用于检索和渲染任意时间戳和视角下的对象特定高斯。进一步，我们提出了刚体推断约束，仅为对象质心预测并集成物理动力学，通过相对变换将运动传递给关联的高斯。该优化在外推时实现了 11 FPS 的加速，同时不损害轨迹的可信度。
关键词
引用
@article{arxiv.2605.25909,
title = {R5DGS: Semantic-Aware 4D Gaussian Splatting with Rigid Body Constraints for Efficient Dynamic Scene Reconstruction},
author = {Denis Gridusov and Maxim Popov and Sergey Kolyubin},
journal= {arXiv preprint arXiv:2605.25909},
year = {2026}
}
备注
Code: https://github.com/be2rlab/r5dgs