DiET-GS：扩散先验与事件流辅助的运动去模糊 3D 高斯溅写
计算机视觉与模式识别
2025-04-01 v1 人工智能
多媒体
摘要
从模糊多视角图像重建锐利 3D 表示是计算机视觉中长期存在的问题。最近的工作尝试通过利用基于事件的摄像机来增强从运动模糊中获得的高质量新视图合成，这得益于高动态范围和微秒级时间分辨率。然而，他们往往在恢复不准确的颜色或丢失细粒度细节方面达到亚最优视觉质量。在本文中，我们提出了 DiET-GS，一种扩散先验和事件流辅助的运动去模糊 3DGS。我们的框架有效地利用了无模糊事件流和扩散先验，采用两种训练策略。具体而言，我们引入了新的框架以约束 3DGS，实现准确的颜色和明确的细节。此外，我们提出了一种简单技术，利用扩散先验进一步增强边缘细节。在合成和真实世界数据上的定性和定量结果表明，我们的 DiET-GS 能够产生显著优于现有基准的新视图质量。我们的项目页面是 https://diet-gs.github.io
引用
@article{arxiv.2503.24210,
title = {DiET-GS: Diffusion Prior and Event Stream-Assisted Motion Deblurring 3D Gaussian Splatting},
author = {Seungjun Lee and Gim Hee Lee},
journal= {arXiv preprint arXiv:2503.24210},
year = {2025}
}
备注
CVPR 2025. Project Page: https://diet-gs.github.io