Casual3DHDR: 从随意拍摄视频中实现高动态范围 3D Gaussian Splatting 的去模糊
计算机视觉与模式识别
2025-08-19 v3 图形学
多媒体
摘要
基于多视图图像的逼真新视角合成，如神经辐射场(NeRF)和 3D Gaussian Splatting (3DGS)，因其卓越性能而受到广泛关注。然而，现有大多数方法依赖于低动态范围(LDR)图像，限制了其在高对比度环境下捕捉场景细节的能力。尽管部分先前工作探讨了高动态范围(HDR)场景重建，但它们通常需要在固定相机位置下拍摄具有不同曝光时间的多视图清晰图像，这既耗时又不切实际。为了使数据采集更加灵活，我们提出了 \textbf{Casual3DHDR}，这是一种鲁棒的单阶段方法，可从随意拍摄的自动曝光(AE)视频中重建 3D HDR 场景，即使在严重运动模糊和未知且变化的曝光时间下亦然。该方法将连续时间相机轨迹整合至统一的物理成像模型中，联合优化曝光时间、相机轨迹和相机响应函数(CRF)。在合成数据集和真实世界数据集上的大量实验表明，\textbf{Casual3DHDR} 在鲁棒性和渲染质量上均优于现有方法。我们的源代码和数据集将发布于 https://lingzhezhao.github.io/CasualHDRSplat/
引用
@article{arxiv.2504.17728,
title = {Casual3DHDR: Deblurring High Dynamic Range 3D Gaussian Splatting from Casually Captured Videos},
author = {Shucheng Gong and Lingzhe Zhao and Wenpu Li and Hong Xie and Yin Zhang and Shiyu Zhao and Peidong Liu},
journal= {arXiv preprint arXiv:2504.17728},
year = {2025}
}
备注
Accepted to ACM Multimedia 2025. Project page: https://lingzhezhao.github.io/CasualHDRSplat/