Khái niệm cốt lõi
Unser Ansatz BAD-Gaussians ermöglicht hochwertige 3D-Szenenrekonstruktion und Echtzeit-Rendering aus einer Reihe verwackelter Bilder mit ungenauen Kameraposenschätzungen, indem er den physikalischen Prozess der Bewegungsunschärfe in das Training von 3D-Gaussschen Splatting integriert.
Tóm tắt
BAD-Gaussians ist ein neuartiger Ansatz, der explizite Gausssche Darstellungen nutzt, um schwer verwackelte Bilder mit ungenauen Kameraposenschätzungen zu verarbeiten und eine hochwertige 3D-Szenenrekonstruktion zu erreichen.
Der Kern des Ansatzes ist die Modellierung des physikalischen Bildaufnahmeprozesses von verwackelten Bildern. BAD-Gaussians lernt die Parameter der Gaussschen Darstellung gemeinsam mit der Erholung der Kamerabewegungstrajektorien während der Belichtungszeit.
Die Experimente zeigen, dass BAD-Gaussians nicht nur eine überlegene Renderingqualität im Vergleich zu vorherigen State-of-the-Art-Entzerrungsverfahren für neuronales Rendering auf synthetischen und realen Datensätzen erreicht, sondern auch Echtzeitrendering-Fähigkeiten ermöglicht.
Thống kê
Die Bewegungsunschärfe in Bildern entsteht durch die Bewegung der Kamera während der Belichtungszeit.
Genaue Kameraposenschätzungen sind entscheidend für das Training von NeRF und 3D-Gaussschen Splatting, sind aber bei verwackelten Bildern schwierig zu erhalten.
Die Initialisierung von 3D-Gaussschen Splatting mit Punktwolken von COLMAP wird durch die Merkmalsunterschiede zwischen verwackelten Bildern und die Ungenauigkeiten in der Posenkalibrierung erschwert.
Trích dẫn
"Unser Ansatz BAD-Gaussians ermöglicht hochwertige 3D-Szenenrekonstruktion und Echtzeit-Rendering aus einer Reihe verwackelter Bilder mit ungenauen Kameraposenschätzungen, indem er den physikalischen Prozess der Bewegungsunschärfe in das Training von 3D-Gaussschen Splatting integriert."
"Die Experimente zeigen, dass BAD-Gaussians nicht nur eine überlegene Renderingqualität im Vergleich zu vorherigen State-of-the-Art-Entzerrungsverfahren für neuronales Rendering auf synthetischen und realen Datensätzen erreicht, sondern auch Echtzeitrendering-Fähigkeiten ermöglicht."