DehazeGS：借助 3D 高斯溶解实现透视雾霾

当前的方法通常针对高质量和干净的输入图像设计，然而在雾天场景中，散射和衰减会显著降低渲染质量。虽然已开发出基于 NeRF 的去雾方法，但其对深度全连接神经网络和逐射采样策略的依赖导致高计算成本。此外，NeRF 的隐式表示限制了其从浑浊场景中恢复细粒细节的能力。为克服这些限制，我们提出学习显式高斯表示，通过物理前向渲染过程解释雾天图像的形成机制。我们的方法 DehazeGS 仅使用多视图雾天图像作为输入，即可重建和渲染雾霾-free 场景。具体而言，基于大气散射模型，我们通过深度到传输映射建立雾的形成。训练期间，我们联合学习大气光和散射系数，同时优化雾天场景的高斯表示。在推断时，我们消除高斯分布中散射和衰减的效应，直接渲染场景以获得去雾视图。在真实世界和合成雾天数据集上进行的实验表明，DehazeGS 实现了最先进的性能。可视化可在 https://dehazegs.github.io/ 查看。