MoBGS：用于模糊单目视频的运动去模糊动态 3D 高斯溅射
计算机视觉与模式识别
2025-12-04 v4
摘要
我们提出 MoBGS，一种新颖的运动去模糊 3D 高斯溅射（3DGS）框架，能够以端到端的方式从模糊单目视频中重建锐利高质量的新型时空视图。现有的动态新视图合成（NVS）方法对视频中运动模糊极其敏感，导致渲染质量显著下降。虽然最近的解决方法针对运动模糊输入进行 NVS，但主要关注静态场景重建，缺乏针对动态对象的专门运动建模。为克服这些限制，MoBGS 引入了一种新的模糊自适应潜在相机估计（BLCE）方法，利用提出的模糊自适应神经常微分方程（ODE）求解器有效地估计潜在相机轨迹，提高了全局相机运动的去模糊效果。此外，我们提出了潜在相机引发的曝光估计（LCEE）方法，以确保全局相机和局部物体运动的一致去模糊。大量实验表明，MoBGS 在 Stereo Blur 数据集和真实世界模糊视频上均显著优于最新方法，在运动模糊下的动态 NVS 上实现了最先进的性能。
引用
@article{arxiv.2504.15122,
title = {MoBGS: Motion Deblurring Dynamic 3D Gaussian Splatting for Blurry Monocular Video},
author = {Minh-Quan Viet Bui and Jongmin Park and Juan Luis Gonzalez Bello and Jaeho Moon and Jihyong Oh and Munchurl Kim},
journal= {arXiv preprint arXiv:2504.15122},
year = {2025}
}
备注
This paper has been accepted to AAAI 2026. The first two authors contributed equally to this work (equal contribution). The last two authors are co-corresponding authors. Please visit our project page at https://kaist-viclab.github.io/mobgs-site/