基于运动感知高斯聚类的时空动态场景预测
计算机视觉与模式识别
2026-05-05 v2 图形学
摘要
动态场景的预测是计算机视觉中的一个基本挑战，因为有限的观察使得难以捕获连贯的对象级运动和长期时间演化。我们提出了运动感知高斯聚类 forecasting (MoGaF)，一个基于 4D 高斯溅写表示构建的长期场景外推框架。MoGaF 引入运动感知的高斯聚类和组级优化，以在刚性和非刚性区域之间实现物理一致的运动，生成具有空间一致性的动态表示。利用这一结构化时空表示，轻量级预测模块可预测未来运动，从而实现真实且在时间上稳定的场景演化。在合成数据集和真实世界数据集上的实验表明，MoGaF 在渲染质量、运动合理性和长期预测稳定性方面 consistently 优于现有基线。我们的项目页面地址为 https://slime0519.github.io/mogaf
引用
@article{arxiv.2602.21668,
title = {Space-Time Forecasting of Dynamic Scenes with Motion-aware Gaussian Grouping},
author = {Junmyeong Lee and Hoseung Choi and Minsu Cho},
journal= {arXiv preprint arXiv:2602.21668},
year = {2026}
}
备注
20 pages, 13 figures