동적 4D 가우시안 장면을 위한 추적 기반 반복 경계 정제: TIBR4D

초록

TIBR4D는 학습 없이 2D 비디오 마스크를 4D 가우시안으로 옮겨오는 두 단계 반복 프레임워크이다. 첫 단계인 IGIT는 시간 구간별로 가우시안‑인스턴스 확률을 반복 추적해 오클루전과 부유 가우시안을 제거하고, 두 번째 단계인 RCC는 프레임별로 불확실한 가우시안의 렌더링 범위를 제어해 경계를 정밀하게 다듬는다. Temporal segmentation merging 전략을 통해 구간 길이를 자동 조정함으로써 정체성 일관성과 동적 변화를 동시에 확보한다. HyperNeRF와 Neu3D 실험에서 기존 SOTA 대비 경계 정확도와 효율성이 크게 향상되었다.

상세 분석

본 논문은 4D 가우시안 스플래팅(3DGS) 기반 동적 장면에서 객체‑레벨 세그멘테이션을 수행하기 위해, 기존의 학습 기반 혹은 단일 패스 임계값 방식이 갖는 한계를 학습‑프리(iterative, learning‑free) 접근으로 극복한다는 점에서 의미가 크다. 핵심 아이디어는 두 단계의 반복 정제이다. 첫 번째 단계인 Iterative Gaussian Instance Tracing(IGIT)은 기존 GIT