基于多视角立体匹配与物理成像的快速水下场景重建

水下场景重建面临重大挑战，因为光与介质之间的复杂相互作用导致散射和吸收效应，使深度估计和渲染都更为复杂。虽然最近基于神经辐射场（NeRF）的方法在水下场景上实现了高质量结果，通过建模和分离散射介质，但仍受限于训练和渲染速度缓慢。为此，我们提出了一种新方法，将多视角立体匹配（Multi-View Stereo，MVS）与基于物理的水下图像成形模型集成。我们的方法由两个分支构成：一个用于深度估计，采用传统的 MVS 成本体积管线；另一个用于基于物理图像成形模型的渲染。深度分支改进场景几何，而介质分支确定散射参数，以实现精确的场景渲染。不同于依赖真实深度的传统 MVSNet 方法，本方法无需深度真值，从而实现加速的训练和渲染过程。通过利用介质子网估计介质参数并结合颜色 MLP 进行渲染，我们恢复了水下场景的真实颜色，实现更高保真度的几何表示。实验结果表明，我们的方法实现了在散射介质中高质量的新视角合成、通过去除介质实现清晰视图恢复，并在渲染质量和训练效率方面超越了现有方法。