weihan1/growflow

개요 GrowFlow는 시간에 따라 성장하는 식물을 4D(3D + 시간)로 복원하는 연구의 공식 코드 릴리스다. Gaussian Splatting과 Neural ODE 기반의 flow field를 결합하여 동적으로 변형되는 생물체의 형상 변화를 연속적으로 모델링한다.

핵심 내용 기존 4D 재구성 기법은 주로 강체(rigid body) 움직임이나 사람의 동작을 대상으로 했으며, 위상(topology)이 변하는 성장 현상은 다루기 어려웠다. GrowFlow는 이 문제를 Gaussian flow field로 해결한다. 각 시점의 3D Gaussian Splatting 표현을 Neural ODE가 연결하여 시간 축을 따라 매끄러운 변형 궤적을 학습한다. 이를 통해 잎이 펼쳐지고, 줄기가 자라나는 등의 비강체(non-rigid) + 위상 변화 현상을 연속 시간으로 보간할 수 있다. Python으로 구현되었다.

기존 대비 차별점 대부분의 동적 장면 복원 연구가 변형(deformation)만 모델링하는 데 비해, GrowFlow는 새로운 구조의 출현(emergence)—즉 성장—을 명시적으로 다룬다. Gaussian Splatting의 포인트 추가/분할 메커니즘과 Neural ODE의 연속 시간 모델링을 결합한 점이 기술적으로 흥미롭다. 생물학적 성장이라는 도전적인 시나리오를 택한 것도 차별화 요소다.

활용 가능성 농업 분야에서 작물 성장 모니터링 및 예측, 식물학 연구에서의 형태 변화 분석, 정원·조경 시뮬레이션, 그리고 교육용 식물 성장 시각화 등에 적용할 수 있다. 더 넓게는 위상이 변하는 모든 동적 객체(산호, 결정 성장 등)의 4D 복원 기반 기술로 확장 가능하다.

참고 자료 - 원본 저장소 ===