DeblurGS：用于相机运动模糊的高斯溅射
计算机视觉与模式识别
2024-04-19 v2
摘要
虽然已在从运动模糊图像重建锐利 3D 场景方面取得了显著进展，但向实际应用的过渡仍存在挑战。主要障碍在于严重的模糊导致通过结构从运动（Structure-from-Motion）获取初始相机姿态时精度不准，这一关键环节往往被以前的方法所忽视。为此，我们提出了 DeblurGS 方法，用于即使在噪声较大的相机姿态初始化情况下，也能从运动模糊图像优化锐利的 3D 高斯溅射场景。我们通过利用 3D 高斯溅射的卓越重建能力来恢复细粒度的锐利场景。我们的 approach 会为每个模糊观测估计 6 自由度的相机运动，并为优化过程合成相应的模糊渲染。此外，我们提出了高斯密度退火策略，以防止在相机运动尚未精确时，早期训练阶段产生不准确的高斯。全面实验表明，DeblurGS 在实际场景和合成基准数据集，以及实地拍摄的模糊智能手机视频方面，在去模糊和新视角合成方面实现了最先进的性能。
引用
@article{arxiv.2404.11358,
title = {DeblurGS: Gaussian Splatting for Camera Motion Blur},
author = {Jeongtaek Oh and Jaeyoung Chung and Dongwoo Lee and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2404.11358},
year = {2024}
}