WaterClear-GS：面向水下重建与恢复的光学感知高斯泼溅
计算机视觉与模式识别
2026-01-28 v1
摘要
水下三维重建和外观恢复受到水的复杂光学特性（如波长相关的衰减和散射）的阻碍。现有的基于神经辐射场（NeRF）的方法在渲染速度慢和色彩恢复次优方面存在困难，而三维高斯泼溅（3DGS）本身缺乏建模复杂体积散射效应的能力。为了解决这些问题，我们引入了WaterClear-GS，这是第一个纯基于3DGS的框架，它明确地将局部衰减和散射的水下光学特性集成到高斯基元中，无需辅助介质网络。我们的方法采用双分支优化策略来确保水下光度一致性，同时自然地恢复无水外观。该策略通过深度引导的几何正则化和感知驱动的图像损失得到增强，并结合曝光约束、空间自适应正则化和物理引导的光谱正则化，这些共同强制了局部三维一致性并保持了自然的视觉感知。在标准基准和我们新收集的数据集上的实验表明，WaterClear-GS在新视角合成（NVS）和水下图像恢复（UIR）任务上都取得了出色的性能，同时保持了实时渲染。代码将在 https://buaaxrzhang.github.io/WaterClear-GS/ 提供。
引用
@article{arxiv.2601.19753,
title = {WaterClear-GS: Optical-Aware Gaussian Splatting for Underwater Reconstruction and Restoration},
author = {Xinrui Zhang and Yufeng Wang and Shuangkang Fang and Zesheng Wang and Dacheng Qi and Wenrui Ding},
journal= {arXiv preprint arXiv:2601.19753},
year = {2026}
}