Los puntos clave no están disponibles para este artículo en este momento.
La reconstrucción de escenas de alta calidad y la síntesis de nuevas vistas basadas en Splatting Gaussiano (3DGS) generalmente requieren fotografías estables de alta calidad, a menudo poco prácticas de capturar con cámaras de mano. Presentamos un método que se adapta al movimiento de la cámara y permite la reconstrucción de escenas de alta calidad con datos de video de mano que sufren de desenfoque de movimiento y distorsión de cortinilla rodante. Nuestro enfoque se basa en un modelado detallado del proceso físico de formación de imágenes y utiliza velocidades estimadas mediante odometría visual-inercial (VIO). Las posiciones de la cámara se consideran no estáticas durante el tiempo de exposición de un solo fotograma de imagen y las posiciones de la cámara se optimizan aún más en el proceso de reconstrucción. Formulamos un pipeline de renderizado diferenciable que aprovecha la aproximación en espacio de pantalla para incorporar de manera eficiente los efectos de cortinilla rodante y desenfoque de movimiento en el marco de 3DGS. Nuestros resultados con datos sintéticos y reales demuestran un rendimiento superior en la mitigación del movimiento de la cámara en comparación con métodos existentes, avanzando así 3DGS en entornos naturalistas.
Seiskari et al. (Wed,) estudiaron esta pregunta.