MoRel: アンカーリレーベースの双方向ブレンディングと階層的緻密化による長距離フリッカーフリー4Dモーションモデリング TL;DR: MoRelは、アンカーリレーベースの双方向ブレンディングにより、限られたメモリ環境下で時間的にコヒーレントかつフリッカーのない長距離モーションシーンの再構成を実現する4Dガウススプラッティングフレームワークです。さらに、特徴量分散に基づく階層的緻密化を採用し、必要に応じて表現容量を割り当てることで、効率性を犠牲にすることなく再構成品質を向上させます。 貢献: - MoRelは、アンカーリレーベースの双方向ブレンディング（ARBB）メカニズムを導入します。これは、キーフレームアンカー（KfA）間の双方向の変形を学習し、学習可能な時間的不透明度制御を通じてそれらをブレンドすることで、時間的な不連続性を効果的に抑制します。 - 特徴分散ガイド階層的密度化 (FHD) は、ローカル周波数特性に基づいてアンカー表現を調整し、高周波の詳細を保持しながら冗長なアンカー ポイントの生成を防止します。 - MoRel は、長いシーケンスをアンカーベースのチャンクに分割し、必要な KfA と変形フィールドのみをオンデマンドで読み込むことで、制限された GPU メモリを維持します。 - KfA を定期的に配置することで自然な時間的アクセス ポイントが提供され、モデル全体をロードせずに効率的なランダム時間アクセスが可能になります。 - MoRel はトレーニング中に外部キューを必要とせず、シンプルなレンダリング パイプラインを使用するため、不要なシステムの複雑さを回避できます。
論文: httarxiv.org/abs/2512.09270ジェクト: https://t.co/vDrIF6uC01
