基于物理启发的高动态范围新视角合成的高斯溅射
计算机视觉与模式识别
2026-03-31 v1
摘要
高动态范围新视角合成 (HDR-NVS) 通过融合多曝光低动态范围 (LDR) 视图来重建具有动态细节的场景，但难以捕捉依赖环境照明的外观。隐式约束 tone-mapped 结果以监督 HDR 内容在纠正异常 HDR 值方面效果不佳，导致在阴影/过曝区域的高斯梯度受限。为此，我们引入 PhysHDR-GS，一个物理启发的 HDR-NVS 框架，通过固有反射率和可调环境照明来建模场景外观。PhysHDR-GS 采用补充的图像-曝光 (IE) 分支和高斯-照明 (GI) 分支，分别忠实再现标准相机观察并捕捉照明依赖的外观变化。在训练期间，提出的跨分支 HDR 一致性损失为 HDR 内容提供显式监督，同时通过照明引导的梯度缩放策略缓解曝光偏置的梯度饥饿现象并减少稀疏表示。实验结果表明，在真实和合成数据集上，我们在重建 HDR 细节方面优于 HDR-GS (PSNR 提升 2.04 dB)，同时保持实时渲染速度 (最高达 76 FPS)。代码和模型已提供于 https://huimin-zeng.github.io/PhysHDR-GS/。
引用
@article{arxiv.2603.28020,
title = {Physically Inspired Gaussian Splatting for HDR Novel View Synthesis},
author = {Huimin Zeng and Yue Bai and Hailing Wang and Yun Fu},
journal= {arXiv preprint arXiv:2603.28020},
year = {2026}
}
备注
Accepted to CVPR 2026