MoBluRF：面向模糊单目视频的运动去模糊神经辐射场
计算机视觉与模式识别
2025-06-04 v3
摘要
神经辐射场（NeRF）最初为静态场景开发，启发了许多视频新视角合成技术。然而，视频视角合成的挑战源于运动模糊，这是曝光期间物体或相机移动的结果，阻碍了清晰时空视角的精确合成。为此，我们提出了一种用于模糊单目视频的新颖运动去模糊 NeRF 框架，称为 MoBluRF，由基础光线初始化（BRI）阶段和基于运动分解的去模糊（MDD）阶段组成。在 BRI 阶段，我们利用给定模糊帧中不准确的相机姿态信息，粗略重建动态 3D 场景并联合初始化基础光线，这些基础光线进一步用于预测潜在清晰光线。在 MDD 阶段，我们通过将潜在清晰光线分解为全局相机运动和局部物体运动分量，为模糊单目视频帧引入了一种新颖的增量潜在清晰光线预测（ILSP）方法。我们进一步提出了两个损失函数，用于在没有掩码监督的情况下实现静态和动态场景分量的有效几何正则化与分解。实验表明，MoBluRF 在质量和数量上均以较大优势优于近期最先进的方法。
引用
@article{arxiv.2312.13528,
title = {MoBluRF: Motion Deblurring Neural Radiance Fields for Blurry Monocular Video},
author = {Minh-Quan Viet Bui and Jongmin Park and Jihyong Oh and Munchurl Kim},
journal= {arXiv preprint arXiv:2312.13528},
year = {2025}
}
备注
Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2025. 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/moblurf-site/