SmokeSeer：基于 3D 高斯溅写的烟雾消除与场景重建
计算机视觉与模式识别
2025-12-25 v3
摘要
现实场景中的烟雾会严重降低图像质量，严重影响可见性。最近的图像修复方法要么依赖数据驱动的先验条件，易产生幻觉，要么仅限于静态稀疏烟雾。我们提出 SmokeSeer，用于从多视图视频序列中实现 3D 场景重建与烟雾消除。该方法利用热成像图和 RGB 图像，借助热成像图像中散射较小的特性穿透烟雾。我们基于 3D 高斯溅写（3D Gaussian splatting）融合两种图像模态的信息，并将场景分解为烟雾与非烟雾成分。与先前工作不同，SmokeSeer 能处理广泛的烟雾密度，并适应随时间变化的烟雾。我们在合成数据和一个新的真实世界烟雾数据集（包含 RGB 与热成像图像）上进行验证。我们提供开源实现并在项目网站上公开数据。
引用
@article{arxiv.2509.17329,
title = {SmokeSeer: 3D Gaussian Splatting for Smoke Removal and Scene Reconstruction},
author = {Neham Jain and Andrew Jong and Sebastian Scherer and Ioannis Gkioulekas},
journal= {arXiv preprint arXiv:2509.17329},
year = {2025}
}
备注
Project website: https://imaging.cs.cmu.edu/smokeseer