# 動態場景

MegaSaM是一個系統，它允許從動態場景的單目視頻中準確、快速、穩健地估計相機參數和深度圖。該系統突破了傳統結構從運動和單目SLAM技術的侷限，這些技術通常假設輸入視頻主要包含靜態場景和大量視差。MegaSaM通過深度視覺SLAM框架的精心修改，能夠擴展到真實世界中複雜動態場景的視頻，包括具有未知視場和不受限制相機路徑的視頻。該技術在合成和真實視頻上的廣泛實驗表明，與先前和並行工作相比，MegaSaM在相機姿態和深度估計方面更為準確和穩健，運行時間更快或相當。

OmniRe 是一種用於高效重建高保真動態城市場景的全面方法，它通過設備日誌來實現。該技術通過構建基於高斯表示的動態神經場景圖，以及構建多個局部規範空間來模擬包括車輛、行人和騎行者在內的各種動態行為者，從而實現了對場景中不同對象的全面重建。OmniRe 允許我們全面重建場景中存在的不同對象，並隨後實現所有參與者即時參與的重建場景的模擬。在 Waymo 數據集上的廣泛評估表明，OmniRe 在定量和定性方面都大幅超越了先前的最先進方法。

本論文提出了一種基於擴散先驗的動態視角合成方法，用於從單目視頻中生成動態場景的新視角。該方法通過對視頻幀進行微調和知識蒸餾，實現了幾何一致性和場景一致性。論文通過定性和定量實驗評估了方法的有效性和魯棒性，證明了該方法在複雜場景下的優勢。