RigGS：用于视频中可关节物体建模的3D高斯绑定
计算机视觉与模式识别
2025-03-24 v1
摘要
本文研究了如何对2D视频中捕获的可关节物体进行建模，以实现新视角合成，同时使其易于编辑、驱动和重新姿态化。为了解决这一具有挑战性的问题，我们提出了RigGS，一种新的范式，利用3D高斯表示和基于骨架的运动表示来建模动态物体，而无需利用额外的模板先验。具体而言，我们首先提出了一种骨架感知的节点控制变形，它随时间对规范3D高斯表示进行变形以初始化建模过程，产生候选骨架节点，这些节点根据其运动和语义信息进一步简化为稀疏的3D骨架。随后，基于所得到的骨架，我们设计了可学习的皮肤变形和姿态依赖的精细变形，从而轻松地变形3D高斯表示以生成新的动作，并从新视角渲染出高质量图像。大量实验表明，我们的方法可以为物体轻松生成逼真的新动作，并实现高质量渲染。
引用
@article{arxiv.2503.16822,
title = {RigGS: Rigging of 3D Gaussians for Modeling Articulated Objects in Videos},
author = {Yuxin Yao and Zhi Deng and Junhui Hou},
journal= {arXiv preprint arXiv:2503.16822},
year = {2025}
}