MBA-SLAM：运动模糊感知的高斯泼溅 SLAM

新兴的 3D 场景表示，如神经辐射场 (NeRF) 和 3D 高斯泼溅 (3DGS)，已在同时定位与地图构建 (SLAM) 中展示了其在照片级真实感渲染方面的有效性，尤其是在使用高质量视频序列作为输入时。然而，现有方法在处理运动模糊帧时遇到困难，这在低光或长曝光等现实场景中很常见。这通常会导致相机定位精度和地图重建质量显著下降。为应对这一挑战，我们提出了一种密集视觉去模糊 SLAM 流程（即 MBA-SLAM），以处理严重的运动模糊输入并增强图像去模糊效果。我们的方法将高效的运动模糊感知跟踪器与基于神经辐射场或高斯泼溅的建图器集成。通过精确建模运动模糊图像的物理成像过程，我们的方法同时学习 3D 场景表示并估计相机在曝光时间内的局部轨迹，从而能够主动补偿由相机运动引起的运动模糊。在实验中，我们证明 MBA-SLAM 在相机定位和地图重建方面均超越了以往的最先进方法，在一系列数据集上展示了卓越的性能，包括包含清晰图像以及受运动模糊影响的合成和真实数据集，突显了我们方法的通用性和鲁棒性。代码可在 https://github.com/WU-CVGL/MBA-SLAM 获取。