Deblur4DGS：从模糊单目视频重建 4D 高斯溅写
计算机视觉与模式识别
2026-01-21 v3
摘要
最近的 4D 重建方法取得了令人印象深刻的结果，但依赖清晰的视频作为监督。然而，由于相机抖动和物体运动，运动模糊常常出现在视频中，而现有方法在使用此类视频进行 4D 模型重建时会产生模糊结果。尽管已有少数方法试图解决此问题，但由于对在曝光时间内连续动态表示估计不准，仍难以产生高质量结果。鼓励于最近在 3D 运动轨迹建模中使用 3D 高斯溅写 (3DGS) 的工作，我们采用 3DGS 作为场景表示方式，提出 Deblur4DGS 从模糊单目视频重建高质量 4D 模型。具体而言，我们将曝光时间内连续动态表示估计转化为曝光时间估计。此外，我们引入曝光正则化项、多帧和多分辨率一致性正则化项以避免平凡解。进一步地，为了更好地表示大运动的物体，我们建议使用模糊感知可变标准高斯。除了新视角合成，Deblur4DGS 可应用于改进来自多个视角的模糊视频，包括去模糊、帧插值和视频稳定。大量在合成数据和真实世界数据上的实验表明，Deblur4DGS 在上述四个任务上均优于最先进的 4D 重建方法。代码已公开于 https://github.com/ZcsrenlongZ/Deblur4DGS。
引用
@article{arxiv.2412.06424,
title = {Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video},
author = {Renlong Wu and Zhilu Zhang and Mingyang Chen and Zifei Yan and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2412.06424},
year = {2026}
}
备注
16 pages