Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.20136v1

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2508.20136v1 (eess)
[提交于 2025年8月26日 ]

标题: 基于3D点的大型运动下场景插值的全局运动对应器

标题: Global Motion Corresponder for 3D Point-Based Scene Interpolation under Large Motion

Authors:Junru Lin, Chirag Vashist, Mikaela Angelina Uy, Colton Stearns, Xuan Luo, Leonidas Guibas, Ke Li
摘要: 现有的动态场景插值方法通常假设连续时间步之间的运动足够小,以至于位移可以局部近似为线性模型。 在实践中,即使对这一小运动假设的轻微偏离也可能导致传统技术失败。 在本文中,我们引入了全局运动对应器(GMC),这是一种新方法,能够稳健地处理大运动并实现平滑过渡。 GMC学习单变量势场,将SE(3)映射到共享的标准空间,平衡对应关系、空间和语义平滑性以及局部刚性。 我们证明,当两种状态经历大范围全局运动时,我们的方法在3D场景插值上显著优于现有基线方法。 此外,我们的方法具备其他基线方法无法实现的外推能力。
摘要: Existing dynamic scene interpolation methods typically assume that the motion between consecutive timesteps is small enough so that displacements can be locally approximated by linear models. In practice, even slight deviations from this small-motion assumption can cause conventional techniques to fail. In this paper, we introduce Global Motion Corresponder (GMC), a novel approach that robustly handles large motion and achieves smooth transitions. GMC learns unary potential fields that predict SE(3) mappings into a shared canonical space, balancing correspondence, spatial and semantic smoothness, and local rigidity. We demonstrate that our method significantly outperforms existing baselines on 3D scene interpolation when the two states undergo large global motions. Furthermore, our method enables extrapolation capabilities where other baseline methods cannot.
评论: https://junrul.github.io/gmc/
主题: 图像与视频处理 (eess.IV)
引用方式: arXiv:2508.20136 [eess.IV]
  (或者 arXiv:2508.20136v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.20136
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Junru Lin [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 22:04:05 UTC (42,264 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号