TrackerSplat：高速かつ頑健なダイナミック3Dガウス再構成のためのポイント追跡を悪用する

要旨: 最近の3Dガウシアン・スパッタリング（3DGS）の進歩により、その効率的かつフォトリアルな3D再構成の可能性が示されており、ロボティクスや没入型メディアのような多様なアプリケーションにとって重要です。 しかし、動的シーン再構成のための現行のガウシアンベース手法は、フレーム間の大きな変位に対応するのが難しく、その結果として、速い物体運動の下ではアーティファクトや時間的な不整合が生じます。 これに対処するために、私たちは extit{TrackerSplat} という新しい手法を提案します。TrackerSplat は、高度な点追跡手法を統合することで、動的シーン再構成における3DGSの頑健性とスケーラビリティを高めます。TrackerSplat は、市販の点追跡モデルを利用してピクセルトラジェクトリ（画素軌跡）を抽出し、その後、ビューごとのピクセルトラジェクトリを3Dガウシアン上へ三角測量して、訓練の前にガウシアンの移動・回転・スケーリングの指針とします。 この戦略により、フレーム間の大きな変位を効果的に扱え、従来手法で見られた減衰（フェーディング）や再着色（リカラーリング）に関するアーティファクトを大幅に低減します。 勾配ベースの最適化の前にガウシアンを正確に配置することで、TrackerSplat は、複数デバイス上で複数の隣接フレームを並列に処理する際に生じる、大きなフレームギャップに起因する品質劣化を克服します。 これにより、レンダリング品質を維持しつつ再構成のスループットを向上させます。 実世界のデータセットでの実験により、TrackerSplat は大きな変位を伴う困難な状況において頑健性が確認されました。 また、並列設定下でベースラインに対して優れたスループットを達成し、視覚品質も維持できることが示されています。 コードは https://github.com/yindaheng98/TrackerSplat で公開されています。