GenSmoke-GS：一种利用生成模型从烟雾退化图像进行新视角合成的多阶段方法
计算机视觉与模式识别
2026-04-07 v2
摘要
本文描述了我们针对NTIRE 2026三维修复与重建（3DRR）挑战赛Track 2中烟雾退化图像的方法。在该任务中，烟雾降低了图像可见性，并削弱了场景优化和渲染所需的跨视角一致性。我们通过一个多阶段流水线来解决这一问题，该流水线包括图像修复、去雾、基于MLLM的增强、3DGS-MCMC优化以及多次运行的平均。该流水线的主要目的是在渲染前提高可见性，同时限制输入视图之间的场景内容变化。在挑战赛基准上的实验结果表明，与提供的基线相比，我们的方法在定量性能上有所提升且视觉质量更优。代码可在 https://github.com/plbbl/GenSmoke-GS 获取。我们的方法在NTIRE 3DRR挑战赛Track 2中获得了14名参赛者中的第1名，如官方竞赛网站所报告：https://www.codabench.org/competitions/13993/#/results-tab。
引用
@article{arxiv.2604.03039,
title = {GenSmoke-GS: A Multi-Stage Method for Novel View Synthesis from Smoke-Degraded Images Using a Generative Model},
author = {Qida Cao and Xinyuan Hu and Changyue Shi and Jiajun Ding and Zhou Yu and Jun Yu},
journal= {arXiv preprint arXiv:2604.03039},
year = {2026}
}