彭思达-报告.pdf

1、彭思达浙江大学基于路采数据的动态街景高精建模与重渲染基于路采数据的动态街景高精建模与重渲染2研究目标路采数据动态三维街景3研究成果FreeTimeGS(CVPR 2025)无需3D Box标注的动态重建研究目标：基于路采数据的动态街景高精建模与重渲染StreetCrafter(CVPR 2025)引入生成模型帮助街景重建4研究成果1：FreeTimeGS(CVPR 2025)FreeTimeGS(CVPR 2025)无需3D Box标注的动态重建研究目标：基于路采数据的动态街景高精建模与重渲染StreetCrafter(CVPR 2025)引入生成模型帮助街景重建想解决的问题：如何绕过3D B

2、ox标注Street Gaussians:Modeling Dynamic Urban Scenes with Gaussian Splatting.ECCV 2024.已有SOTA算法分开建模街道的前后景，依赖3D Box建模动态前景物体。想解决的问题：如何绕过3D Box标注Street Gaussians:Modeling Dynamic Urban Scenes with Gaussian Splatting.ECCV 2024.已有SOTA算法依赖动态物体的包围框，难以准确标注全部物体，且标注成本高。解决思路：基于四维高斯的前后景统一建模不再区分前后背景，使用四维高斯建模整个动态场景

3、。静态背景动态前景动态光照遇到的难点：如何建模快速运动的物体Real-time Photorealistic Dynamic Scene Representation and Rendering with 4D Gaussian Splatting.ICLR 2024.已有四维高斯使用R;T建模motion，难以优化，导致复杂运动物体效果不好。R;T解决思路：基于线性运动的四维高斯在任意时刻任意位置定义高斯，为每个高斯赋予线性运动，用4DSH建模外观。实验发现，FreeTimeGS可以很好地建模复杂的运动物体。实验结果实验结果实验结果实验结果Ours467 FPS4DGS65 FPSDefor

4、m-GS57 FPSSTGS142 FPS实验结果Ours467 FPS4DGS65 FPSDeform-GS57 FPSSTGS142 FPS15研究成果2：StreetCrafter(CVPR 2025)FreeTimeGS(CVPR 2025)无需3D Box标注的动态重建研究目标：基于路采数据的动态街景高精建模与重渲染StreetCrafter(CVPR 2025)引入生成模型帮助街景重建想解决的问题：如何实现大范围自由视角渲染Street Gaussians:Modeling Dynamic Urban Scenes with Gaussian Splatting.ECCV 2024.已有SOTA算法在小视角上效果不错，但在大视角上效果不好。解决思路：引入视频生成模型增加新视角观测利用雷达点云控制视频生成模型输出新视角的图片，作为StreetGS的监督。实验结果：变车道新视角渲染Street GaussiansOurs-G实验结果：变车道新视角渲染Street GaussiansOurs-G实验结果：街道物体编辑Input trajectoryObject replacement 实验结果：街道物体编辑Input trajectoryObject removal 彭思达浙江大学谢谢！