Ground4D：单目视频的一致性感知 4D 重建

从单个单目视频中学习 4D 场景表示，支持动态小说视图合成，同时随着时间的推移保持忠实的几何形状仍然具有挑战性。动态高斯泼溅通过光度优化实现了强大的渲染性能，但没有明确强制多视图几何一致性。相比之下，3D 基础模型可以恢复连贯的场景几何形状和相机运动，但其基于点的输出并不是为照片级真实感渲染而设计的。我们提出了 Ground4D，一个建立在两个阶段上的基于几何的框架。首先，我们通过 3D 基础模型执行几何初始化，以 无需训练 方式利用 VGGT 从单目视频重建多视图一致的 3D 几何和相机姿势。恢复的几何形状为动态高斯表示提供了结构化且可靠的初始化。其次，我们通过动态高斯泼溅进行几何一致性感知细化，通过可微分渲染优化表示，同时保持观察和合成视点的多视图几何一致性。此外，Ground4D 本质上对场景的连续 4D 动态进行建模，自然支持任意时间戳的渲染。通过将基础级几何先验集成到动态高斯优化中，Ground4D 实现了更强的重建保真度和渲染性能，强调了基于几何的约束在稳健的 4D 场景建模中的作用。