面向高保真4D高斯溅射的多视角优化与细化：动态场景重建的创新框架

本文针对稀疏视角动态场景重建中运动表示与纹理保真度的核心挑战，提出融合多视角插值与联合优化的创新框架。通过线性与球面插值策略生成高质量新视角图像，并引入一致性约束优化纹理表示，显著提升动态场景细节重建性能。实验验证该方法在复杂运动区域与背景中具有卓越的渲染质量，为4D高斯溅射（4D-GS）在动态场景建模中的应用提供突破性解决方案。

　　

Highlight

我们采用混合插值策略生成新颖的2D视角作为高质量训练数据（GT），并细化这些视角以增强纹理细节——特别是在运动密集型区域和复杂背景中。

Introduction

动态场景的新视角合成一直是计算机视觉与图形学领域的核心挑战。虽然神经辐射场（NeRF）通过隐式编码场景几何与辐射度展现了卓越性能，但其高计算成本限制了实时高分辨率渲染应用。3D高斯溅射（3DGS）通过显式表示3D高斯基元与可微分栅格化技术实现了高效实时渲染，但在动态场景扩展中仍面临运动表示与纹理一致性的难题。

Method

我们的方法通过超分辨率模型微调与多视角插值重建两大核心流程，显著提升动态场景重建质量。微调过程解决了领域特异性差异，而插值重建则增强了视角多样性，同步提升了保真度与感知质量。我们还对峰值信噪比（PSNR）进行了理论分析。

Experiments

在神经3D视频数据集的多视角视频实验表明，本方法在复杂4D场景中具有显著优势。实验从两个维度评估：超分辨率微调对纹理恢复的影响，以及多视角插值对运动区域重建的增强效果。

Conclusion

我们提出的动态场景重建方法融合超分辨率微调与多视角插值技术，显著提升了运动密集型与复杂区域的渲染质量。通过引入多指标评估框架与混合插值策略，不仅克服了PSNR的局限性，更增强了数据多样性与模型鲁棒性。