RaindropGS：雨滴条件下的三维高斯泼溅基准
计算机视觉与模式识别
2025-12-30 v2
摘要
三维高斯泼溅（3DGS）在雨滴条件下会因相机镜头上的雨滴污染导致严重的遮挡和光学畸变，从而大幅降低重建质量。现有基准通常使用具有已知相机位姿（受限图像）的合成雨滴图像来评估3DGS，假设处于理想条件。然而，在现实场景中，雨滴常常干扰准确的相机位姿估计和点云初始化。此外，合成雨滴与真实雨滴之间存在显著的领域差距，进一步损害了泛化能力。为解决这些问题，我们引入了RaindropGS，一个旨在评估从无约束、雨滴污染的图像到清晰3DGS重建的完整3DGS流程的综合基准。具体而言，整个基准流程由三部分组成：数据准备、数据处理和雨滴感知的3DGS评估，包括雨滴干扰类型、相机位姿估计和点云初始化、单图像去雨比较以及3D高斯训练比较。首先，我们收集了一个真实世界的雨滴重建数据集，其中每个场景包含三个对齐的图像集：雨滴聚焦、背景聚焦和无雨地面真值，从而能够在不同聚焦条件下全面评估重建质量。通过全面的实验和分析，我们揭示了现有3DGS方法在无约束雨滴图像上的性能局限性以及不同流程组件的不同影响的关键见解：相机聚焦位置对3DGS重建性能的影响，以及不准确的位姿和点云初始化对重建造成的干扰。这些见解为开发在雨滴条件下更鲁棒的3DGS方法指明了清晰的方向。
引用
@article{arxiv.2510.17719,
title = {RaindropGS: A Benchmark for 3D Gaussian Splatting under Raindrop Conditions},
author = {Zhiqiang Teng and Tingting Chen and Beibei Lin and Zifeng Yuan and Xuanyi Li and Xuanyu Zhang and Shunli Zhang},
journal= {arXiv preprint arXiv:2510.17719},
year = {2025}
}