GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis
作者: Jiahao He, Yihua Shao, Zhengkai Zhao, Pan Gao, Fei Ma, Jingcai Guo, Hao Tang, Nicu Sebe, Qi Tian
分类: cs.CV
发布日期: 2026-07-23 (更新: 2026-07-24)
💡 一句话要点
提出GrainGS以解决动态场景重建中的运动建模与结构稳定性问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 动态场景重建 高斯点云 新视图合成 运动建模 结构稳定性 计算机视觉 实时渲染
📋 核心要点
- 现有的动态场景重建方法在运动建模和结构稳定性之间存在权衡，导致冗余原语增长和局部运动抑制的问题。
- GrainGS通过结合分层锚点支架与逐高斯变形，提出了一种新的动态高斯框架，能够有效建模细粒度运动。
- 在合成基准测试中，GrainGS达到了36.98分贝的平均峰值信噪比，以435.6帧每秒的速度渲染，并且存储需求仅为4.67兆字节。
📝 摘要（中文）
动态场景重建中的3D高斯点云需要在细粒度运动建模、结构稳定性和紧凑表示之间取得平衡。现有的逐原语方法虽然提供了灵活的局部变形，但常常面临冗余原语增长的问题，而基于锚点的方法则在提高空间规则性的同时抑制了局部变化的运动。为了解决这些问题，本文提出了GrainGS，一个结合了分层锚点支架与逐高斯变形的动态高斯框架。通过静态预热阶段，建立了时间不变的典型表示。在联合训练过程中，采用停止梯度操作阻断了变形介导的梯度路径，同时保留了通过重建目标的直接优化。每个高斯预测独立的时间偏移，允许在结构约束下进行详细的局部运动。实验表明，GrainGS在合成和真实世界的多视图基准测试中实现了高重建质量和实时新视图合成。
🔬 方法详解
问题定义：本文旨在解决动态场景重建中的运动建模与结构稳定性之间的矛盾。现有方法在处理局部变形时，往往导致冗余原语的增长或抑制局部变化的运动，影响重建质量。
核心思路：GrainGS的核心思路是结合分层锚点支架与逐高斯变形，通过静态预热阶段建立时间不变的典型表示，并在训练过程中使用停止梯度操作来优化运动建模。
技术框架：GrainGS的整体架构包括静态预热阶段和联合训练阶段。在静态预热阶段，系统从所有时间戳的观测中建立一个时间不变的典型表示；在联合训练阶段，采用停止梯度操作来优化高斯的运动参数。
关键创新：GrainGS的主要创新在于通过停止梯度操作实现了运动建模与结构约束的有效分离，使得每个高斯能够独立预测位置、旋转和缩放的时间偏移，从而实现细粒度的局部运动建模。
关键设计：在设计中，GrainGS采用了分层锚点支架结构，结合了损失函数的直接优化与运动参数的独立预测，确保了在保持结构稳定性的同时，能够灵活地处理局部运动变化。具体的参数设置和网络结构细节在实验部分进行了详细描述。
🖼️ 关键图片
📊 实验亮点
在合成基准测试中，GrainGS实现了36.98分贝的平均峰值信噪比，渲染速度达到435.6帧每秒，存储需求仅为4.67兆字节，显示出显著的性能提升，超越了现有的基线方法。
🎯 应用场景
GrainGS在动态场景重建和新视图合成方面具有广泛的应用潜力，尤其适用于虚拟现实、增强现实和计算机图形学等领域。其高效的存储和实时渲染能力将推动这些技术在实际应用中的普及与发展。
📄 摘要（原文）
Dynamic scene reconstruction with 3D Gaussian Splatting requires a balance between fine-grained motion modeling, structural stability, and compact representation. Existing per-primitive methods provide flexible local deformation but often suffer from redundant primitive growth, while anchor-based methods improve spatial regularity at the cost of suppressing locally varying motion. To address these issues, we present GrainGS, a dynamic Gaussian framework that combines a hierarchical anchor scaffold with per-Gaussian deformation. A static warm-up stage first establishes a time-invariant canonical representation from observations across all timestamps. During joint training, a stop-gradient operation blocks the deformation-mediated gradient pathway to the canonical positions while preserving their direct refinement through the reconstruction objective. Each Gaussian then predicts independent temporal offsets for position, rotation, and scale, enabling detailed local motion within a structurally constrained scaffold. A canonical-residual appearance decomposition further models frame-dependent photometric changes without forcing them into geometric deformation. Experiments on synthetic monocular and real-world multiview benchmarks show that GrainGS achieves high reconstruction quality, real-time novel view synthesis, and compact storage. Under the synthetic benchmark setting, it reaches an average peak signal-to-noise ratio of 36.98 decibels, renders at 435.6 frames per second, and requires 4.67 megabytes of storage.