HAIF-GS: Hierarchical and Induced Flow-Guided Gaussian Splatting for Dynamic Scene
基于单目视频的动态三维场景重建始终是三维视觉领域的核心难题。尽管三维高斯溅射(3DGS)技术在静态场景中实现了实时渲染，但其在动态场景的应用仍面临挑战——这源于学习结构化且时间一致的运动表征存在困难。现有方法通常表现为三方面局限：高斯更新冗余、运动监督不足，以及对复杂非刚性形变的建模能力薄弱。这些问题共同阻碍了连贯高效的动态重建。
为突破这些限制，我们提出HAIF-GS——一个通过稀疏锚点驱动形变实现结构化一致动态建模的统一框架。该框架首先通过锚点过滤器识别运动相关区域，抑制静态区域的冗余更新；随后利用自监督诱导流引导变形模块，通过多帧特征聚合驱动锚点运动，无需显式光流标签；为处理细粒度形变，分层锚点传播机制能依据运动复杂度提升锚点分辨率，并传播多级变换关系。在合成与真实数据集上的大量实验表明，HAIF-GS在渲染质量、时间一致性和重建效率上均显著超越现有动态3DGS方法。