SplatBright：基于物理引导的高斯增强实现稀疏视图下低光场景通用重建
计算机视觉与模式识别
2025-12-23 v1
摘要
稀疏视图下的低光3D重建因曝光不平衡和色彩保真度下降而具有挑战性。虽然现有方法在视图一致性方面存在困难且需要逐场景训练，但我们提出SplatBright，首个面向稀疏sRGB输入的通用3D高斯框架，实现低光增强与重建的联合处理。我们的核心思想是将物理引导的照明建模与几何-外观解耦相结合，以实现一致的低光重建。具体而言，我们采用双分支预测器，为3D高斯参数提供稳定的几何初始化。在外观侧，照明一致性利用频率先验实现可控且跨视图连贯的照明，而外观细化模块进一步分离照明、材料和视图依赖 cues，以恢复精细纹理。为解决缺乏大规模几何一致配对数据的瓶颈，我们基于物理相机模型合成暗色视图用于训练。大量实验表明，SplatBright在公共数据集和自采集数据集上在新视角合成、跨视图一致性以及对未知低光场景的泛化能力方面均优于2D和3D方法。
引用
@article{arxiv.2512.18655,
title = {SplatBright: Generalizable Low-Light Scene Reconstruction from Sparse Views via Physically-Guided Gaussian Enhancement},
author = {Yue Wen and Liang Song and Hesheng Wang},
journal= {arXiv preprint arXiv:2512.18655},
year = {2025}
}