Split4D：无需视频分割的分解式 4D 场景重建
计算机视觉与模式识别
2025-12-30 v1
摘要
本文聚焦于从多视角视频进行分解式 4D 场景重建。近期方法通过对视频分割结果进行差分渲染来实现此目标，严重依赖视频分割图的质量，而这些分割图常不稳定，导致重建结果不可靠。为突破这一瓶颈，我们的核心思想是采用 Freetime FeatureGS 表示分解后的 4D 场景，并设计流式特征学习策略，从单帧分割图中精准恢复场景，无需视频分割。Freetime FeatureGS 将动态场景建模为一组具有可学习特征和线性运动能力的高斯原始点，使其能够在时间上移动至相邻区域。我们对 Freetime FeatureGS 施加对比损失，要求特征在投影属于同一实例的 2D 分割图时彼此靠近或远离。由于我们的高斯原始点可跨时间移动，这一机制自然将特征学习扩展至时维，实现 4D 分割。此外，我们以时序有序方式采样训练观测，实现特征在时间上的流式传播，有效避免优化过程中的局部最优。实验在多个数据集上表明，我们方法的重建质量显著优于近期方法。
引用
@article{arxiv.2512.22745,
title = {Split4D: Decomposed 4D Scene Reconstruction Without Video Segmentation},
author = {Yongzhen Hu and Yihui Yang and Haotong Lin and Yifan Wang and Junting Dong and Yifu Deng and Xinyu Zhu and Fan Jia and Hujun Bao and Xiaowei Zhou and Sida Peng},
journal= {arXiv preprint arXiv:2512.22745},
year = {2025}
}