NimbusGS：面向混合天气的统一3D场景重建
计算机视觉与模式识别
2026-03-31 v1
摘要
我们提出NimbusGS，一个统一框架，用于从受多种恶劣天气条件影响的多视角输入中重建高质量3D场景。不同于针对特定天气类型的现有方法，NimbusGS致力于更广泛的泛化能力，建模天气的双重性质：一种是连续且视角一致的介质，导致光线衰减；另一种是动态且视角相关的颗粒，引起散射和遮挡。为捕获此类结构， 我们将退化现象分解为全局传输场和每个视角的颗粒残差。传输场代表跨视角共享的静态大气效应，而残差则建模每个输入特有的瞬时扰动。为在严重可见性退化的条件下实现稳定的几何学习，我们引入几何引导的梯度缩放机制，以缓解3D高斯表示自监督优化中的梯度不平衡。这种基于物理的表述允许NimbusGS在保持场景结构的同时解耦复杂的退化现象，实现优异的几何重建效果，并在多样且具挑战性的天气条件下超越任务特定方法。代码已公开于 https://github.com/lyy-ovo/NimbusGS。
引用
@article{arxiv.2603.27228,
title = {NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather},
author = {Yanying Li and Jinyang Li and Shengfeng He and Yangyang Xu and Junyu Dong and Yong Du},
journal= {arXiv preprint arXiv:2603.27228},
year = {2026}
}
备注
Accepted by CVPR2026