SDD-4DGS：高斯溅射中面向静态-动态感知的解耦用于4D场景重建
计算机视觉与模式识别
2025-03-13 v1 人工智能
摘要
场景中的动态和静态成分通常表现出不同的特性，但大多数4D重建方法不加区分地处理它们，导致两种情况下的性能均不理想。本工作提出了SDD-4DGS，这是首个基于高斯溅射的静态-动态解耦4D场景重建框架。我们的方法建立在一种新型概率动态感知系数之上，该系数自然地融入高斯重建流水线中，实现静态和动态成分的自适应分离。通过精心设计的实现策略来达成这一理论框架，我们的方法有效地促进了对动态元素的运动模式的显式学习，同时保持静态结构的几何稳定性。在五个基准数据集上的广泛实验表明，SDD-4DGS持续优于最先进方法，在重建保真度方面表现优异，同时增强了对静态结构的细节恢复和对动态运动的精确建模。代码将公开发布。
引用
@article{arxiv.2503.09332,
title = {SDD-4DGS: Static-Dynamic Aware Decoupling in Gaussian Splatting for 4D Scene Reconstruction},
author = {Dai Sun and Huhao Guan and Kun Zhang and Xike Xie and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2503.09332},
year = {2025}
}