Thermal3D-GS：用于热红外新视角合成的物理诱导 3D 高斯

基于可见光的新视角合成已被广泛研究。与可见光成像相比，热红外成像具有全天候成像和强穿透力的优势，为夜间和恶劣天气场景下的重建提供了更多可能。然而，热红外成像受大气传输效应和热传导等物理特性的影响，阻碍了热红外场景中复杂细节的精确重建，在合成图像中表现为悬浮伪影和边缘特征模糊等问题。为了解决这些局限性，本文引入了一种名为 Thermal3D-GS 的物理诱导 3D 高斯泼溅方法。Thermal3D-GS 首先利用神经网络对三维介质中的大气传输效应和热传导进行建模。此外，将温度一致性约束纳入优化目标，以提高热红外图像的重建精度。为进一步验证我们方法的有效性，创建了该领域首个大规模基准数据集，命名为热红外新视角合成数据集（TI-NSD）。该数据集包含 20 个真实的热红外视频场景，涵盖室内、室外和无人机（UAV）场景，共计 6,664 帧热红外图像数据。基于该数据集，本文通过实验验证了 Thermal3D-GS 的有效性。结果表明，我们的方法优于基线方法，PSNR 提高了 3.03 dB，并显著解决了基线方法中存在的悬浮伪影和边缘特征模糊问题。我们的数据集和代码库将在 \href{https://github.com/mzzcdf/Thermal3DGS}{\textcolor{red}{Thermal3DGS}} 发布。