北大、VGI Labs 和加州大学联合提出 DynStream 大规模无位姿流式动态场景重建框架

北大王选计算机研究所王勇涛团队联合 VGI Labs、加州大学默塞德分校提出首个面向大规模无位姿流式动态场景的高斯前馈重建框架 DynStream，针对在线 4D 重建的增量处理、跨时间全局一致性、动态场景高保真表达三大核心挑战，通过分块局部在线重建、无需额外计算的全局聚合、动静分离的场景累计三大模块，实现输入无位姿 RGB 在线视频流即可前馈输出相机轨迹与可持续更新的可渲染动态场景表示，无需重跑全部场景或逐场景优化。在涵盖室内外动静态场景的多个数据集上的实验显示，其渲染相关指标优于现有前馈高斯重建 SOTA 方法，可有效抑制动态物体重影，在最长达 5km 的 KITTI 长序列上也大幅降低轨迹重建误差，实现更高质量的长程场景与轨迹重建。