DenoiseSplat：用于噪声3D场景重建的前馈高斯溅射
计算机视觉与模式识别
2026-03-11 v1 人工智能
摘要
3D场景重建和新观点合成是VR、机器人和内容创建的基本任务。然而，大多数NeRF和3D高斯溅射管道假设干净的输入，在面对真实噪声和伪影时会性能下降。我们因此提出DenoiseSplat，一种用于噪声多视图图像的前馈3D高斯溅射方法。我们构建了一个大规模、场景一致的噪声-干净基准数据集，基于RE10K注入受控强度的高斯噪声、泊松噪声、斑点噪声和盐噪声。我们采用轻量级MVSplat风格的前馈主干网络，仅使用干净2D渲染作为监督进行端到端训练，无需3D ground truth。在噪声RE10K上，DenoiseSplat 在PSNR/SSIM和LPIPS方面均优于vanilla MVSplat 和一个强大的两阶段基线（IDF + MVSplat），在各种噪声类型和水平下表现良好。
引用
@article{arxiv.2603.09291,
title = {DenoiseSplat: Feed-Forward Gaussian Splatting for Noisy 3D Scene Reconstruction},
author = {Fuzhen Jiang and Zhuoran Li and Yinlin Zhang},
journal= {arXiv preprint arXiv:2603.09291},
year = {2026}
}