基于光流的事件增强 3D 高斯溅写（EvFlow-GS）
计算机视觉与模式识别
2026-04-27 v1
摘要
仅凭运动模糊图像难以实现锐利的 3D 重建，这激励了最近的方法引入事件相机，因其微秒级时间分辨率优势。然而，这些方法因不准确的事件双积分先验和噪声/模糊事件导致残余痕迹和模糊纹理细节。为此，本研究提出 EvFlow-GS，一个统一框架，联合优化基于事件流和光流的可学习双积分（LDI）、相机姿态以及 3D 高斯溅写（3DGS）。具体而言，我们首先利用光流从事件中提取边缘信息，然后针对不同模块提出新颖的事件损失。此外，我们创新性地引入事件残差先验，以强化 3DGS 渲染图像之间强度变化的监督。最后，我们将 3DGS 与 LDI 的输出整合至联合损失中，使其相互促进。实验表明，EvFlow-GS 在实现领先性能方面具有优势。
引用
@article{arxiv.2604.22183,
title = {EvFlow-GS: Event Enhanced Motion Deblurring with Optical Flow for 3D Gaussian Splatting},
author = {Feiyu An and Yufei Deng and Zihui Zhang and Rong Xiao},
journal= {arXiv preprint arXiv:2604.22183},
year = {2026}
}
备注
Accepted by ICME 2026