CRiM-GS：基于连续刚体运动的高斯溅射

3D 高斯溅射（3DGS）因其高质量的新视角渲染而受到广泛关注，这推动了针对现实世界挑战的研究。一个关键问题是相机在曝光过程中产生的运动模糊，这会阻碍对3D场景的精确重建。本文提出了CRiM-GS（Continuous Rigid Motion-aware Gaussian Splatting），用于从运动模糊图像中重建精确的3D场景，同时保持实时渲染速度。考虑到现实世界相机运动中固有的复杂运动模式，我们使用神经常微分方程（ODE）预测连续的相机轨迹。为确保建模准确，我们采用带适当正则化的刚体变换，以保留物体的形状和尺寸。此外，我们引入一种自适应失真感知变换，以补偿潜在的非线性失真（如滚动快门效应）以及不可预测的相机运动。通过重新审视基本相机理论并利用先进的神经训练技术，我们实现了对连续相机轨迹的精确建模。大量实验表明，在基准数据集上，本方法在定量和定性方面均实现了最先进的性能。