\textit{4DSurf}: High-Fidelity Dynamic Scene Surface Reconstruction

📄 arXiv: 2603.28064v1 📥 PDF

作者: Renjie Wu, Hongdong Li, Jose M. Alvarez, Miaomiao Liu

分类: cs.CV

发布日期: 2026-03-30

备注: Accepted to CVPR 2026

💡 一句话要点

提出4DSurf，通过高斯变形诱导的SDF流正则化实现高保真动态场景表面重建。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 动态场景重建 高斯溅射 符号距离函数 时间一致性 表面重建

📋 核心要点

  1. 现有基于高斯溅射的动态表面重建方法难以处理大形变，且无法保证时间一致性。
  2. 4DSurf通过高斯变形诱导的SDF流正则化，约束高斯粒子的运动以对齐演化的表面，从而实现时间一致性。
  3. 在Hi4D和CMU Panoptic数据集上，4DSurf在Chamfer距离上分别优于SOTA方法49%和19%。

📝 摘要（中文）

本文旨在解决使用高斯溅射(GS)进行动态场景表面重建的问题，目标是恢复时间上一致的几何结构。虽然现有的基于GS的动态表面重建方法可以产生优越的重建效果，但它们通常仅限于单个对象或只有小形变的对象，难以维持大型形变在时间上一致的表面重建。我们提出了“4DSurf”，这是一个新颖且统一的通用动态表面重建框架，不需要指定场景中对象的数量或类型，可以处理大的表面形变和重建中的时间不一致性。我们框架的关键创新是引入了高斯变形诱导的符号距离函数流正则化，该正则化约束高斯粒子的运动以对齐演化的表面。为了处理大的形变，我们引入了一种重叠分段划分策略，该策略将序列划分为具有小形变的重叠段，并通过共享的重叠时间步长增量地传递跨段的几何信息。在两个具有挑战性的动态场景数据集Hi4D和CMU Panoptic上的实验表明，我们的方法在Chamfer距离上分别优于最先进的表面重建方法49%和19%，并在稀疏视图设置下实现了卓越的时间一致性。

🔬 方法详解

问题定义：论文旨在解决动态场景下表面重建问题，尤其关注大规模形变和时间一致性。现有方法要么仅适用于小形变场景，要么难以保证重建结果在时间上的连贯性，导致重建质量下降。现有方法通常需要预先知道场景中物体的数量和类型，限制了其通用性。

核心思路：论文的核心思路是利用高斯溅射（Gaussian Splatting）作为基础表示，并通过引入高斯变形诱导的符号距离函数（SDF）流正则化来约束高斯粒子的运动，使其与动态演化的表面对齐。此外，采用重叠分段划分策略来处理大形变，将序列分割成小形变片段，并通过重叠时间步传递几何信息，保证整体的时间一致性。

技术框架：4DSurf框架主要包含以下几个阶段：1) 初始化高斯溅射；2) 通过图像渲染损失和SDF流正则化优化高斯参数；3) 采用重叠分段划分策略处理大形变，在重叠区域传递几何信息。整个框架是一个端到端可训练的pipeline，能够从多视角图像序列中重建出高质量的动态表面。

关键创新：论文的关键创新在于引入了高斯变形诱导的SDF流正则化。与直接优化高斯参数不同，该方法通过约束高斯粒子的运动方向，使其与表面的演化方向一致，从而保证了重建结果的时间一致性。此外，重叠分段划分策略也是一个重要的创新，它允许处理更大的形变，并保证了跨片段的几何信息传递。

关键设计：SDF流正则化损失函数的设计是关键。该损失函数鼓励高斯粒子的运动方向与SDF的梯度方向对齐，从而保证了重建表面的时间一致性。重叠分段划分策略中，重叠区域的大小需要仔细选择，以保证几何信息的有效传递。此外，高斯溅射的初始化策略和优化算法也对最终的重建效果有重要影响。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，4DSurf在Hi4D和CMU Panoptic数据集上显著优于现有的表面重建方法。在Hi4D数据集上，4DSurf在Chamfer距离上取得了49%的提升；在CMU Panoptic数据集上，取得了19%的提升。此外，4DSurf在稀疏视图设置下也表现出优越的时间一致性，表明其具有很强的鲁棒性。

🎯 应用场景

该研究成果可应用于虚拟现实、增强现实、机器人导航、电影特效制作等领域。例如，可以用于创建逼真的动态虚拟环境，或者帮助机器人理解和操作动态变化的物体。未来，该技术有望进一步扩展到更复杂的动态场景，例如人群模拟和自然环境建模。

📄 摘要（原文）

This paper addresses the problem of dynamic scene surface reconstruction using Gaussian Splatting (GS), aiming to recover temporally consistent geometry. While existing GS-based dynamic surface reconstruction methods can yield superior reconstruction, they are typically limited to either a single object or objects with only small deformations, struggling to maintain temporally consistent surface reconstruction of large deformations over time. We propose ``\textit{4DSurf}'', a novel and unified framework for generic dynamic surface reconstruction that does not require specifying the number or types of objects in the scene, can handle large surface deformations and temporal inconsistency in reconstruction. The key innovation of our framework is the introduction of Gaussian deformations induced Signed Distance Function Flow Regularization that constrains the motion of Gaussians to align with the evolving surface. To handle large deformations, we introduce an Overlapping Segment Partitioning strategy that divides the sequence into overlapping segments with small deformations and incrementally passes geometric information across segments through the shared overlapping timestep. Experiments on two challenging dynamic scene datasets, Hi4D and CMU Panoptic, demonstrate that our method outperforms state-of-the-art surface reconstruction methods by 49\% and 19\% in Chamfer distance, respectively, and achieves superior temporal consistency under sparse-view settings.