SmokeGS-R：基于物理引导的伪净清3DGS用于现实多视角烟雾恢复
计算机视觉与模式识别
2026-04-22 v2
摘要
现实世界的烟雾会同时削弱场景辐射、添加空气光，并使多视角外观一致性不稳定，这使得鲁棒的3D重建尤为困难。我们提出了‛SmokeGS-R‛，这是一套为NTIRE 2026 3D恢复与重建赛道2挑战开发的实用流水线。核心思想是将几何恢复与外观修正解耦：我们采用精炼的暗信道先验和引导滤波生成物理引导的伪净清监督信号，训练锐利的净清专用3D高斯溅射源模型，然后通过几何均值参考聚合、LAB空间中的Reinhard变换和柔和的高斯平滑将其渲染结果进行和谐化。在官方挑战测试排行榜上，最终提交结果实现了 PSNR =0.666 。在RealX3D公开发布后，我们对同一冻结结果在七个已发布挑战场景上重新评估，获得 PSNR =0.644 和 LPIPS $=0.551 ，均超过该基准最强官方基线 +3.68 dB PSNR。这些结果表明，几何优先的重建策略结合稳定的后渲染外观和谐化是解决现实多视角烟雾恢复的有效方法。代码已公开于https://github.com/windrise/3drr_Track2_SmokeGS-R。
引用
@article{arxiv.2604.05301,
title = {SmokeGS-R: Physics-Guided Pseudo-Clean 3DGS for Real-World Multi-View Smoke Restoration},
author = {Xueming Fu and Lixia Han},
journal= {arXiv preprint arXiv:2604.05301},
year = {2026}
}
备注
Lab Report for NTIRE 2026 3DRR Track 2