Lumos3D：用于低光 3D 场景恢复的单前向框架
计算机视觉与模式识别
2026-04-21 v2
摘要
恢复低光条件下的 3D 场景具有挑战性，现有大多数方法依赖预计算的相机位姿和场景特定的优化，这大大限制了其在现实场景中的应用。为克服这些限制，我们提出了 Lumos3D，一个无位姿的单前向框架，用于 3D 低光场景恢复。首先，我们开发了跨照明蒸馊方案，其中一个冻结的教师网络以正常光的真实图像为输入，向学生模型传递准确的几何信息。其次，我们定义了 Lumos 损失以提高重建 3D 高斯空间的恢复质量。在单个数据集上训练后，Lumos3D 以纯粹的前向方式进行推理，直接从无位姿、低光多视图图像中恢复照明和结构，而无需任何场景特定的训练或优化。在现实数据集上的实验表明，Lumos3D 在恢复效果上与场景特定方法持相当水平。我们的代码将很快公开发布。
引用
@article{arxiv.2511.09818,
title = {Lumos3D: A Single-Forward Framework for Low-Light 3D Scene Restoration},
author = {Hanzhou Liu and Peng Jiang and Jia Huang and Mi Lu},
journal= {arXiv preprint arXiv:2511.09818},
year = {2026}
}