[SIGGRAPH Asia '25] 일상 비디오에서 동적 장면 재구성을 위한 사전 정보 강화 가우시안 스플래팅 추상적인: 본 논문에서는 단안으로 촬영한 RGB 비디오로부터 동적 장면을 재구성하는 완전 자동화 파이프라인을 소개합니다. 새로운 장면 표현 방식을 설계하는 대신, 동적 가우시안 스플래팅을 구동하는 사전 정보를 개선합니다. 비디오 분할과 에피폴라 오류 맵을 결합하면 얇은 구조를 밀접하게 따라가는 객체 수준 마스크가 생성됩니다. 이러한 마스크는 (i) 일관된 비디오 깊이를 선명하게 하는 객체 깊이 손실을 안내하고, (ii) 골격 기반 샘플링과 마스크 기반 재식별을 지원하여 신뢰할 수 있고 포괄적인 2D 트랙을 생성합니다. 두 가지 추가 목표는 정제된 사전 정보를 재구성 단계에 포함시킵니다. - 가상 뷰 심도 손실은 부유물을 제거합니다. - 스캐폴드 투영 손실은 모션 노드를 트랙에 연결하여 정밀한 기하학적 구조와 일관된 움직임을 유지합니다. 그 결과, 이 시스템은 기존의 단안 동적 장면 재구성 방식을 능가하며 눈에 띄게 우수한 렌더링 결과를 제공합니다.
논문 링크: dl.acm.org/doi/10.1145/37… 프로젝트: https://t.co/HQl6h9UgOm
