fulfulggg
commented
1 hour ago 論文要約
論文要約: 動的2次元ガウシアン：動的オブジェクトのための幾何学的に正確なラディアンスフィールド
- 目的: 動いている物体の高品質な３Dモデルを、少ない画像データから再現する新しい手法を提案する。
- 課題: 従来の技術では、動いている物体の高品質な３Dモデルを少ないデータから再現するのが困難だった。
- 提案手法:
- Dynamic 2D Gaussians (D-2DGS) という新しい表現方法を提案。
- 物体の形を、位置や大きさが変化する複数の２次元ガウス関数で表現する。
- 少ない入力画像から、高精度な３Dメッシュを再構築することが可能になる。
- 利点:
- 少ない入力画像データからでも、高品質な３Dモデルを再構築できる。
- 動いている物体のモデル化にも有効。
- 成果:
- 実験により、D-2DGSが従来手法よりも高品質な３Dメッシュを再構築できることを実証。
- デモとコードを公開: https://github.com/hustvl/Dynamic-2DGS
タイトル: 動的2次元ガウシアン：動的オブジェクトのための幾何学的に正確なラディアンスフィールド
リンク: https://arxiv.org/abs/2409.14072
概要:
物体復元と高品質な表面抽出は、現実世界において重要な役割を果たします。現在の4D表現は、動的オブジェクトの高品質な新規ビューをレンダリングする能力を示していますが、その表現は暗黙的または幾何学的に不正確であるため、高品質なメッシュを再構築することはできません。本稿では、スパースな画像入力から正確なメッシュを再構築できる新しい表現である、Dynamic 2D Gaussians（D-2DGS）を提案します。基本的なジオメトリ表現には2Dガウシアンを採用し、スパースに制御されたポイントを使用して2Dガウシアンの変形を捉えます。レンダリングされた高品質な画像からオブジェクトマスクを抽出し、レンダリングされた深度マップをマスキングすることで、オブジェクトの高品質な動的メッシュシーケンスを抽出できます。実験により、D-2DGSはスパースな入力から高品質なメッシュを再構築するのに優れていることが実証されました。詳細なデモとコードは https://github.com/hustvl/Dynamic-2DGS で入手できます。