4DGS-JEPA: 동적 가우시안 스팟팅을 위한 시간적으로 합성 가능한 공동 임베딩 예측

arXiv:2609.25036v1의 abstract를 한국어로 번역해 드리겠습니다. 다이나믹 가우시안 스팟팅(Dynamic Gaussian Splatting)은 3D 장면이 변화하는 과정을 명시적으로 표현하는 방법을 제공하지만, 기존의 접근법은 주로 재구성, 미래 상태 생성, 렌더링을 위해 최적화된 반면에 재사용 가능한 예측 동적을 학습하는 데에는 최적화되지 않았다. 우리는 4DGS-JEPA를 제안하고 있습니다. 이는 가우시안-자연적인 조인 임베딩 예측 아키텍처로, 동적 가우시안 장면에 대한 인과적 다중 시간 지연 예측을 지원하는 Gaussian-native joint-embedding predictive architecture입니다. 이 모델은 계층적 장면-, 운동군-, 및 가우시안-레벨 표현과 함께 시점 조건화된 전환 연산자를 사용하여 직접 예측과 재귀적 롤아웃을 모두 지원합니다. 중심 원리는 시간적 합성입니다. 동일한 미래 엔드 포인트를 달성하는 다양한 시계열 전환 경로가 동일한 예측 상태를 생성해야 합니다. 엔드 포인트 및 다중 시간 경로 감독은 이러한 예측을 미래 목표 임베딩에 고정하는 반면, 선택적 기하학 디코더 및 기하학-레벨 합성은 학습된 동적을 일관된 군 운동 및 가우시안 기하학에 기반을 둔 반면, 완전한 미래 나타남 재구성에 의존하지 않습니다. 우리는 더불어 지속적인 표준화된 정체성과 순서 및 토폴로지 변화에 대한 잔차 최적 전송 매칭을 결합하는 하이브리드 대응 메커니즘을 소개합니다. 0-손실 경로 동의 및 유한 오류 롤아웃 누적을 수학적으로 설명합니다. 세 가지 제어된 실험은 메커니즘-레벨 증거를 제공하여 시간적 합성이 잠재 경로 의존성을 줄이면서 예측 정확성을 유지하는 반면, 기하학-레벨 합성이 디코딩된 운동의 일관성을 향상시키고, 하이브리드 대응이 신뢰할 수 있는 정체성을 유지하면서 대응이 모호해질 때도 견고하다는 것을 보여줍니다. 4DGS-JEPA는 동적 가우시안 세계의 예측적이고 시간적으로 합성된 형태를 제공합니다.