Split4D：ビデオセグメンテーションなしの分解4Dシーン再構成

Paper#Computer Vision, 4D Scene Reconstruction🔬 Research|分析: 2026年1月3日 19:39•
公開: 2025年12月28日 02:37
•
1分で読める
•ArXiv

分析

本論文は、不安定なビデオセグメンテーションへの依存を避けることで、4Dシーン再構成の課題に取り組んでいます。Freetime FeatureGSとストリーミング特徴学習戦略を導入し、再構成精度を向上させています。中核的な革新は、学習可能な特徴と動きを持つガウスプリミティブを使用し、対照損失と時間的特徴伝播を組み合わせることで、4Dセグメンテーションと優れた再構成結果を達成することにあります。
引用・出典
原文を見る
"The key idea is to represent the decomposed 4D scene with the Freetime FeatureGS and design a streaming feature learning strategy to accurately recover it from per-image segmentation maps, eliminating the need for video segmentation."
A
ArXiv2025年12月28日 02:37
* 著作権法第32条に基づく適法な引用です。
古い記事

Full-bandwidth, continuous, and grayscale 3D nanolithography via line-illumination temporal focusing of ultrafast lasers

新しい記事

Bridging Global Intent with Local Details: A Hierarchical Representation Approach for Semantic Validation in Text-to-SQL

関連分析

Paper

選択ポリシーを用いた協調型人型ロボット操作

2026年1月3日 06:10

Paper

未ポーズ画像からの即時3Dシーン編集

2026年1月3日 06:10

Paper

将来予測のためのLLMフォアキャスティング

2026年1月3日 06:10

原文: ArXiv