GSTAR: Tracciamento e Ricostruzione di Superfici Gaussiane

GSTAR: Gaussian Surface Tracking and Reconstruction

January 17, 2025

Autori: Chengwei Zheng, Lixin Xue, Juan Zarate, Jie Song

cs.AI

Abstract

Le tecniche di Splatting Gaussiano in 3D hanno reso possibile un rendering fotorealistico efficiente di scene statiche. Lavori recenti hanno esteso questi approcci per supportare la ricostruzione e il tracciamento delle superfici. Tuttavia, il tracciamento di superfici dinamiche con Gaussiane in 3D rimane sfidante a causa di complesse variazioni di topologia, come l'apparizione, la scomparsa o la divisione delle superfici. Per affrontare tali sfide, proponiamo GSTAR, un nuovo metodo che raggiunge un rendering fotorealistico, una ricostruzione accurata delle superfici e un affidabile tracciamento in 3D per scene dinamiche generali con topologie variabili. Dato un input di catture multi-vista, GSTAR associa le Gaussiane ai volti della mesh per rappresentare gli oggetti dinamici. Per superfici con topologia coerente, GSTAR mantiene la topologia della mesh e traccia le mesh utilizzando le Gaussiane. Nelle regioni in cui la topologia cambia, GSTAR scollega in modo adattivo le Gaussiane dalla mesh, consentendo una registrazione accurata e la generazione di nuove superfici basate su queste Gaussiane ottimizzate. Inoltre, introduciamo un metodo di flusso di scena basato sulla superficie che fornisce una robusta inizializzazione per il tracciamento tra i frame. Gli esperimenti dimostrano che il nostro metodo traccia e ricostruisce efficacemente le superfici dinamiche, consentendo una serie di applicazioni. La pagina del nostro progetto con il rilascio del codice è disponibile su https://eth-ait.github.io/GSTAR/.

English

3D Gaussian Splatting techniques have enabled efficient photo-realistic rendering of static scenes. Recent works have extended these approaches to support surface reconstruction and tracking. However, tracking dynamic surfaces with 3D Gaussians remains challenging due to complex topology changes, such as surfaces appearing, disappearing, or splitting. To address these challenges, we propose GSTAR, a novel method that achieves photo-realistic rendering, accurate surface reconstruction, and reliable 3D tracking for general dynamic scenes with changing topology. Given multi-view captures as input, GSTAR binds Gaussians to mesh faces to represent dynamic objects. For surfaces with consistent topology, GSTAR maintains the mesh topology and tracks the meshes using Gaussians. In regions where topology changes, GSTAR adaptively unbinds Gaussians from the mesh, enabling accurate registration and the generation of new surfaces based on these optimized Gaussians. Additionally, we introduce a surface-based scene flow method that provides robust initialization for tracking between frames. Experiments demonstrate that our method effectively tracks and reconstructs dynamic surfaces, enabling a range of applications. Our project page with the code release is available at https://eth-ait.github.io/GSTAR/.