面向手持运动模糊场景的异步事件辅助高斯溶射
计算机视觉与模式识别
2026-05-11 v1
摘要
3D重建方法如3D高斯溶射(3DGS)和神经辐射场(NeRF)虽实现惊人逼真度，但在输入图像严重运动模糊时难以发挥作用。事件相机提供高时间分辨率的运动线索，但现有事件辅助方法依赖低分辨率传感器且要求严格同步，限制了在智能手机等常见设备上进行手持3D捕获的实际应用。我们引入一种灵活的高分辨率异步RGB-Event双目系统及相应的重建框架。该方法首先从事件数据重建清晰图像，再通过基于视觉几何 Transformer(VGGT)的跨域姿态估计模块获取3DGS的鲁棒初始化。优化过程中，我们采用结构驱动事件损失和视图特定一致性正则化，以缓解传统事件损失和去模糊损失的病态行为，确保稳定且高保真的重建。我们进一步贡献AsyncEv-Deblur，一个新型高分辨率RGB-Event数据集，由我们的异步系统捕获。实验表明，我们的方法在挑战性数据集和现有基准上实现了最先进的性能，显著提升了在严重运动模糊下的重建鲁棒性。项目页面: https://openimaginglab.github.io/AsyncEvGS/
引用
@article{arxiv.2605.07192,
title = {AsyncEvGS: Asynchronous Event-Assisted Gaussian Splatting for Handheld Motion-Blurred Scenes},
author = {Jun Dai and Renbiao Jin and Bo Xu and Yutian Chen and Linning Xu and Mulin Yu and Tianfan Xue and Shi Guo},
journal= {arXiv preprint arXiv:2605.07192},
year = {2026}
}