Dusting the Phantom：按时空目的地分配高斯原语，找回动态场景丢失细节
Minhyeok Roh · hf · 2026-10-19
延世大学、ETRI、POSTECH 等机构的研究指出，动态高斯表示在处理快速运动时，小而快的物体会消失、高动态区域的精细纹理会丢失——瓶颈不在表示容量，而在高斯原语「在何处、何时」被分配：现有策略只看当前位置，忽视被迁移高斯的时空目的地。
论文提出两个互补策略：Seed Injection 通过时序外观变化与重建误差识别欠重建的动态区域，借助多视角观测在几何合理的 3D 位置初始化新高斯；Temporal Biased Relocation 将原语向其时空目的地偏置迁移。二者结合显著恢复小快物体与细纹理，且无需盲目拉长训练或堆更多高斯。
「研究」频道最新
- Dream2Discern:自造困难样本预测多智能体系统运行时失败 — RutgersU · 2026-10-19
- 复旦等发布 BridgeWAM:桥接查询解耦视频与动作专家,推理提速 2.47 倍 — Fudan-University · 2026-10-19
- NVIDIA FC-SWE:用失败补丁反馈做条件化 RL,提升 SWE 智能体多轮解决率 — nvidia · 2026-10-19
- 浙大提出 AVC-Reward:事件中心框架评测音视频生成一致性 — ZhejiangUniversity · 2026-10-19
- PremiseCheck:把审稿意见拆成前提逐条核查,成本仅为 GPT-5.5 一半 — Dingjie Song · 2026-10-19
- SciΠvot 基准:前沿模型科研判断力不及人类,常偏爱有缺陷方案 — Youran Sun · 2026-10-19