Die fotorealistische Synthese neuartiger Ansichten aus Mehrfachansichten, wie neuronales Strahlungsfeld (NeRF) und 3D Gaussian Splatting (3DGS), hat aufgrund ihrer überlegenen Leistung erheblich an Bedeutung gewonnen. Allerdings basieren die meisten bestehenden Methoden auf Bildern mit niedriger dynamischer Reichweite (LDR), was ihre Fähigkeit einschränkt, detaillierte Szenen in kontrastreichen Umgebungen aufzunehmen. Während einige frühere Arbeiten die Rekonstruktion von Szenen mit hoher dynamischer Reichweite (HDR) ansprechen, erfordern sie in der Regel scharfe Mehrfachansichten mit variierenden Belichtungszeiten, die an festen Kamerastandorten aufgenommen wurden, was zeitaufwendig und unpraktisch ist. Um die Datenerfassung flexibler zu gestalten, schlagen wir Casual3DHDR vor, eine robuste Einzelphasenmethode, die 3D HDR-Szenen aus regelmäßig aufgenommenen Auto-Exposure (AE) Videos rekonstruiert, selbst bei starkem Bewegungsunschärfe und unbekannten, variierenden Belichtungszeiten. Unser Ansatz integriert eine kontinuierliche Kameratrajektorie in ein einheitliches physikalisches Bildmodell und optimiert gemeinsam die Belichtungszeiten, die Kameratrajektorie und die Kamerareaktionsfunktion (CRF). Umfangreiche Experimente an synthetischen und realen Datensätzen zeigen, dass Casual3DHDR bestehende Methoden in Robustheit und Rendering-Qualität übertrifft. Unser Quellcode und Datensatz werden unter https: //lingzhezhao. github. io/CasualHDRSplat/ verfügbar sein.
Gong et al. (Thu,) haben diese Frage untersucht.