不确定性在单视角 4D 重建的动态高斯溅射中发挥重要作用

从单视角输入重建动态 3D 场景本质上是受限的，由于遮挡和极端新视角会产生歧义。虽然动态高斯溅射（dynamic Gaussian Splatting）提供了一种高效的表示方法，但基础模型会统一优化所有高斯原始数据，忽略它们是否被良好或不良观察。这种局限性导致在遮挡下出现运动漂移，并在外推至未见视角时降低合成质量。我们认为不确定性至关重要：在不同视角和时间段中反复观察到的高斯原始数据可作为可靠锚点以引导运动，而仅受限可见性的高斯原始数据则被视为不够可靠。为此，我们引入 USplat4D，一种新型不确定性感知的动态高斯溅射框架，通过传递可靠运动线索来提升 4D 重建。我们的 approach 估计每个高斯原始数据的时变不确定性，并利用其构建时空图谱以实现不确定性感知优化。在多样化的真实和合成数据集上实验表明，显式建模不确定性始终改善了动态高斯溅射模型，使几何在遮挡下更稳定，在极端视角下合成质量更高。