AdaAnchor4D: 앵커 기반 공간 시계열 특징 집계를 활용한 단안 UAV 4차원 복원

AdaAnchor4D: Anchor-Conditioned Spatiotemporal Feature Aggregation for Monocular UAV 4D Reconstruction

단안 UAV 영상은 복잡한 도시 환경의 동적 재구성을 위한 귀중한 정보를 제공합니다. 그러나 이러한 환경은 현저한 공간-시간 이질성을 보입니다. 즉, 서로 다른 영역이 뚜렷한 시간 활동 패턴을 따르고, 일부 동적인 영역의 움직임 상태는 시간이 지남에 따라 더욱 변화할 수 있습니다. 객체 중심적이거나 비교적 작고 밀집된 장면에서는 분해된 공유 공간-시간 특징 필드를 기반으로 하는 동적 가우시안 방법이 효율적이고 정확한 재구성을 달성했지만, 일반적으로 채택되는 고정된 평면 단위의 특징 결합 메커니즘은 UAV 환경의 이질적인 지역 역학에 적합하지 않아 종종 그림자 현상과 흐릿한 동적 디테일 문제를 야기합니다. 이러한 문제점을 해결하기 위해, 단안 UAV 동적 장면 재구성을 위한 적응형 앵커 변형 프레임워크인 AdaAnchor4D를 제안합니다. AdaAnchor4D의 핵심은 앵커별 집계 임베딩과 시간 정보를 활용하여 공유된 공간-시간 특징을 적응적으로 집계하는 앵커 기반 특징 집계(ACFA) 방식으로, 이를 통해 각 지역 단위가 자신의 지역적 및 시간적 상태에 맞춰 동적인 표현을 얻을 수 있습니다. 분리된 지역 기하 변형(DLGD)은 앵커 상태 변형과 지역 가우시안 기하 변형을 분리하고, 밀도 적응 좌표 왜곡(DACW)은 축 방향 앵커 분포에 따라 특징-쿼리 좌표를 재매개변수화하여 불균일한 기하 샘플링과 균일한 그리드 매개변수화 사이의 불일치를 완화합니다. UAV-Arc4D, VisDrone 및 UAVDT 데이터셋에 대한 실험 결과, AdaAnchor4D는 대표적인 동적 가우시안 방법에 비해 더 높은 렌더링 품질을 제공하면서도 실시간 렌더링 성능을 유지하는 것으로 나타났습니다. 코드 공개 예정입니다.

Monocular UAV videos provide valuable observations for dynamic reconstruction of complex urban scenes. However, such scenes exhibit pronounced spatiotemporal heterogeneity: different regions follow distinct temporal activity patterns, while the motion states of some dynamic regions may further evolve over time. Although dynamic Gaussian methods based on decomposed shared spatiotemporal feature fields have achieved efficient and accurate reconstruction in object-centric or relatively compact scenes, their commonly adopted fixed plane-wise feature combination mechanisms are less suited to the heterogeneous local dynamics of UAV scenes, often leading to ghosting artifacts and blurred dynamic details. To address this challenge, we propose AdaAnchor4D, an adaptive anchor deformation framework for monocular UAV dynamic scene reconstruction. At its core, Anchor-Conditioned Feature Aggregation (ACFA) adaptively aggregates shared spatiotemporal features using anchor-specific aggregation embeddings and temporal information, allowing different local units to obtain dynamic representations tailored to their local and temporal states. Decoupled Local Geometry Deformation (DLGD) separates anchor-state deformation from local Gaussian geometry deformation, while Density-Adaptive Coordinate Warping (DACW) reparameterizes feature-query coordinates according to the axis-wise anchor distributions, alleviating the mismatch between non-uniform geometric sampling and uniform grid parameterization. Experiments on UAV-Arc4D, VisDrone, and UAVDT show that AdaAnchor4D achieves higher rendering quality than representative dynamic Gaussian methods while maintaining real-time rendering performance. The code will be made publicly available.