4D神經體素噴射：基於體素化高斯噴射的動態場景渲染 貢獻： • 統一的 4D 體素架構：我們將 3D 體素網格擴展到 4D，將時間視為體素特徵空間中的一個額外維度。這使得能夠產生具有時間感知能力的 Gaussian 分佈，從而在空間和時間上進行自適應調整。與產生靜態 Gaussian 分佈的 Scaffold-GS 不同，我們的體素透過學習到的時間特徵產生隨時間變化的 Gaussian 分佈。 • 選擇性形變策略：透過大量實驗，我們發現對所有高斯屬性進行形變會導致訓練不穩定。我們提出了一種選擇性方法，該方法僅對幾何屬性（位置、縮放、旋轉）進行形變，同時保持外觀屬性（顏色、不透明度）不變，從而顯著提高了收斂性和模型品質。 • 視圖自適應改進：我們提出了一種新的改進機制，透過自適應加密來識別和選擇性地改進效能不佳的視圖，從而解決時間不一致性問題，而不會產生全域開銷。 • 記憶體高效設計：我們的框架實現了 O(fV + F) 的記憶體複雜度，而不是 O(N · T)，使得在消費級 GPU 上進行動態場景渲染成為可能。
論文連結：https://t.co/NEBweZNnwG