用于动态场景去模糊的统一姿态感知高斯溅射 (UPGS)
计算机视觉与模式识别
2026-03-17 v3
摘要
从单目视频重建动态 3D 场景在 AR/VR、机器人和自动导航等领域具有广泛应用前景，但由于由相机和物体运动引起的严重运动模糊，往往失败。现有方法通常遵循两步流程，即首先估计相机姿态，然后优化 3D 高斯。由于模糊伪影通常削弱姿态估计，姿态误差可能累积导致重建结果不佳。为解决此问题，我们引入一个统一的优化框架，将相机姿态作为与 3DGS 属性互补的可学习参数进行端到端优化。具体而言，我们将相机和物体运动重新表述为对 3D 高斯的每个原始部分的 SE(3) 仿射变换，并构建统一的优化目标。为实现稳定优化，我们引入三个阶段的训练计划，对相机姿态和高斯交替优化。特别地，首先在相机姿态固定的情况下训练 3D 高斯，然后在 3D 高斯不变的情况下优化相机姿态。最后，所有可学习参数一起优化。在 Stereo Blur 数据集和具有挑战性的真实世界序列上进行大量实验表明，我们的方法在重建质量和姿态估计精度方面显著优于先前的动态去模糊方法。
引用
@article{arxiv.2509.00831,
title = {UPGS: Unified Pose-aware Gaussian Splatting for Dynamic Scene Deblurring},
author = {Zhijing Wu and Longguang Wang},
journal= {arXiv preprint arXiv:2509.00831},
year = {2026}
}