Splatting Neural 4D: Renderização Dinâmica de Cenas com Splatting Gaussiano Voxelizado Contribuições: • Arquitetura de Voxel 4D Unificada: Estendemos as grades de voxel 3D para 4D, tratando o tempo como uma dimensão adicional no espaço de características do voxel. Isso possibilita a geração de Gaussianas com reconhecimento temporal, que se adaptam tanto espacial quanto temporalmente. Ao contrário do Scaffold-GS, que gera Gaussianas estáticas, nossos voxels produzem Gaussianas variáveis no tempo por meio de características temporais aprendidas. • Estratégia de Deformação Seletiva: Através de extensa experimentação, identificamos que deformar todas as propriedades gaussianas leva à instabilidade do treinamento. Introduzimos uma abordagem seletiva que deforma apenas as propriedades geométricas (posição, escala, rotação), mantendo as propriedades de aparência (cor, opacidade) fixas, melhorando significativamente a convergência e a qualidade. • Refinamento adaptativo à perspectiva: Propomos um novo mecanismo de refinamento que identifica e melhora seletivamente pontos de vista com desempenho inferior por meio de densificação adaptativa, corrigindo inconsistências temporais sem sobrecarga global. • Design com uso eficiente de memória: Nossa estrutura atinge uma complexidade de memória de O(fV + F) em vez de O(N · T), tornando a renderização dinâmica de cenas viável em GPUs de consumo.
Artigo:arxiv.org/abs/2511.00560G