语义引导的高保真水下场景重建：基于高斯溅射
计算机视觉与模式识别
2026-04-23 v3
摘要
准确的在退化成像条件下的3D重建是光束计量学和神经渲染中的关键挑战。在水下环境中，由于散射、衰减和稀疏观察导致可见性呈空间变化，信息质量高度不均。现有的3D高斯溅射（3DGS）方法通常仅基于光度信号优化原始语义，导致表示不平衡，良好观察区域过拟合，退化区域重建不足。本文提出了SWAGSplatting（Semantic-guided Water-scene Augmented Gaussian Splatting，语义引导的水下场景增强高斯溅射），一种将语义先验整合到3DGS中的多模态框架，用于稳健的高保真水下重建。每个高斯原始语义都被增强为一个可学习的语义特征，由来自区域级线索的CLIP嵌入监督。引入语义一致性损失以对齐几何重建与高层语义，提高结构一致性，在恶劣条件下保留显著物体边界。此外，我们提出了一种自适应高斯原始语义重新分配策略，根据原始语义重要性和重建误差重新分配表示容量，缓解常规稠密化带来的不平衡。这使得在不增加计算成本的情况下，对低可见性区域进行更有效的建模。针对真实世界数据集（包括SeaThru-NeRF、Submerged3D和S-UW）的广泛实验表明，所提方法在平均PSNR、SSIM和LPIPS方面均优于最先进的方法。结果验证了将语义先验集成用于高保真水下场景重建的有效性。代码已公开：https://github.com/theflash987/SWAGSplatting。
引用
@article{arxiv.2509.00800,
title = {Semantic-guided Gaussian Splatting for High-Fidelity Underwater Scene Reconstruction},
author = {Zhuodong Jiang and Haoran Wang and Guoxi Huang and Brett Seymour and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2509.00800},
year = {2026}
}