Splatting de vóxeles neuronales 4D: renderizado dinámico de escenas con splatting gaussiano voxelizado Contribuciones: • Arquitectura de vóxeles 4D unificada: Extendemos las rejillas de vóxeles 3D a 4D al tratar el tiempo como una dimensión adicional en el espacio de características de los vóxeles. Esto permite la generación de gaussianas con información temporal que se adaptan tanto espacial como temporalmente. A diferencia de Scaffold-GS, que genera gaussianas estáticas, nuestros vóxeles producen gaussianas que varían con el tiempo mediante características temporales aprendidas. • Estrategia de deformación selectiva: Tras una extensa experimentación, identificamos que deformar todas las propiedades gaussianas provoca inestabilidad en el entrenamiento. Introducimos un enfoque selectivo que solo deforma las propiedades geométricas (posición, escala, rotación) manteniendo fijas las propiedades de apariencia (color, opacidad), lo que mejora significativamente la convergencia y la calidad. • Refinamiento adaptativo al punto de vista: Proponemos un novedoso mecanismo de refinamiento que identifica y mejora selectivamente los puntos de vista con bajo rendimiento a través de la densificación adaptativa, abordando las inconsistencias temporales sin sobrecarga global. • Diseño eficiente en memoria: Nuestro marco de trabajo logra una complejidad de memoria de O(fV + F) en lugar de O(N · T), lo que hace factible la representación de escenas dinámicas en las GPU de consumo.
Artícularxiv.org/abs/2511.00560nwG