从恢复到重建：重新思考 underwater 场景下的 3D 高斯溅写
计算机视觉与模式识别
2025-09-23 v1
摘要
水下图像退化为3D重建带来重大挑战，简化的物理模型在复杂场景中往往难以胜任。我们提出\textbf{R-Splatting}，一个统一框架，将水下图像恢复(UIR)与3D高斯溅写(3DGS)相结合，以提升渲染质量和几何保真度。我们的方法将来自多种UIR模型产生的多视图整合到单个重建管道中。在推理期间，轻量级照明生成器采样潜在代码以支持多样且连贯的渲染，而对比损失确保解脱且稳定的照明表征。此外，我们提出\textit{不确定性感知不透明度优化(UAOO)}，将不透明度建模为随机函数以正则化训练。这抑制了照明变化引发的突然梯度响应，缓解了对噪声或视图特定瑕疵的过拟合。在Seathru-NeRF和我们新的BlueCoral3D数据集上的实验表明，R-Splatting在渲染质量和几何精度方面均优于强大基准。
引用
@article{arxiv.2509.17789,
title = {From Restoration to Reconstruction: Rethinking 3D Gaussian Splatting for Underwater Scenes},
author = {Guoxi Huang and Haoran Wang and Zipeng Qi and Wenjun Lu and David Bull and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2509.17789},
year = {2025}
}