論文の概要: Rethinking Rainy 3D Scene Reconstruction via Perspective Transforming and Brightness Tuning

• arxiv url: http://arxiv.org/abs/2511.06734v1
• Date: Mon, 10 Nov 2025 05:57:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.095789
• Title: Rethinking Rainy 3D Scene Reconstruction via Perspective Transforming and Brightness Tuning
• Title（参考訳）: パースペクティブ・トランスフォーメーションと明度調整による雨の3次元シーン再構成の再考
• Authors: Qianfeng Yang, Xiang Chen, Pengpeng Li, Qiyuan Guan, Guiyue Jin, Jiyu Jin,
• Abstract要約: 既存のデータセットはしばしば、雨の多い3Dシーンの2つの重要な特徴を見落としている。 OmniRain3Dという新しいデータセットを構築し、視点の不均一性と明るさの動的性を取り入れた。 本稿では,降雨時からクリーンな3Dシーンを高忠実に再現するREVR-GSNetというエンドツーエンド再構築フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.552623283033695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rain degrades the visual quality of multi-view images, which are essential for 3D scene reconstruction, resulting in inaccurate and incomplete reconstruction results. Existing datasets often overlook two critical characteristics of real rainy 3D scenes: the viewpoint-dependent variation in the appearance of rain streaks caused by their projection onto 2D images, and the reduction in ambient brightness resulting from cloud coverage during rainfall. To improve data realism, we construct a new dataset named OmniRain3D that incorporates perspective heterogeneity and brightness dynamicity, enabling more faithful simulation of rain degradation in 3D scenes. Based on this dataset, we propose an end-to-end reconstruction framework named REVR-GSNet (Rain Elimination and Visibility Recovery for 3D Gaussian Splatting). Specifically, REVR-GSNet integrates recursive brightness enhancement, Gaussian primitive optimization, and GS-guided rain elimination into a unified architecture through joint alternating optimization, achieving high-fidelity reconstruction of clean 3D scenes from rain-degraded inputs. Extensive experiments show the effectiveness of our dataset and method. Our dataset and method provide a foundation for future research on multi-view image deraining and rainy 3D scene reconstruction.
• Abstract（参考訳）: 雨は3次元シーン再構成に不可欠なマルチビュー画像の視覚的品質を劣化させ,不正確で不完全な再構成結果をもたらす。 既存のデータセットは、実際の雨の3Dシーンの2つの重要な特徴、すなわち2D画像への投影による雨のストリークの出現の視点依存的な変化と、降雨時の雲の被覆による周囲の明るさの低下を見落としていることが多い。 データリアリズムを改善するために、3Dシーンにおける雨害のより忠実なシミュレーションを可能にする、視点の不均一性と明るさのダイナミック性を含むOmniRain3Dという新しいデータセットを構築した。 本稿では,REVR-GSNet (Rain Elimination and Visibility Recovery for 3D Gaussian Splatting) というエンドツーエンド再構築フレームワークを提案する。 特に、REVR-GSNetは、再帰的な輝度向上、ガウス的原始最適化、およびGS誘導型降雨除去を連成交互最適化により統合アーキテクチャに統合し、雨の劣化した入力からクリーンな3Dシーンを高忠実に再構築する。 大規模な実験は、我々のデータセットと方法の有効性を示す。 我々のデータセットと手法は、多視点画像のデライン化と雨季の3Dシーン再構築に関する今後の研究の基盤となる。

関連論文リスト

• 3D Gaussian Flats: Hybrid 2D/3D Photometric Scene Reconstruction [62.84879632157956]
  本研究では,平面平面(2D)ガウスと自由形式(3D)ガウスを連立最適化するハイブリッド2D/3D表現を提案する。 我々のエンドツーエンドアプローチは、平面領域を動的に検出・洗練し、視覚的忠実度と幾何学的精度の両方を改善する。 ScanNet++とScanNetv2の最先端の深さ推定を実現し、特定のカメラモデルに過度に適合することなくメッシュ抽出に優れる。
  論文  参考訳（メタデータ） (2025-09-19T21:04:36Z)
• DeRainGS: Gaussian Splatting for Enhanced Scene Reconstruction in Rainy Environments [4.86090922870914]
  本研究では, 降雨環境における3次元再構築の課題について紹介する(3DRRE)。 このタスクをベンチマークするために、合成画像と実世界のシーン画像の両方の多様なコレクションからなるHydroViewsデータセットを構築した。 降雨環境の復元に適した3DGS法であるDeRainGSを提案する。
  論文  参考訳（メタデータ） (2024-08-21T11:39:18Z)
• RainyScape: Unsupervised Rainy Scene Reconstruction using Decoupled Neural Rendering [50.14860376758962]
  多視点降雨画像の集合からクリーンなシーンを再構築するための教師なしフレームワークであるRainyScapeを提案する。 ニューラルネットワークのスペクトルバイアス特性に基づいて、まずニューラルネットワークのレンダリングパイプラインを最適化し、低周波シーン表現を得る。 我々は2つのモジュールを協調的に最適化し,適応的指向性勾配に基づく再構成損失によって駆動する。
  論文  参考訳（メタデータ） (2024-04-17T14:07:22Z)
• Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
  暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。 既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。 L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
  論文  参考訳（メタデータ） (2023-05-06T10:17:42Z)
• Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
  現実シナリオにおけるSID(Single Image deraining)は近年注目されている。 以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。 我々はRealRain-1kという新しい高品質のデータセットを構築した。
  論文  参考訳（メタデータ） (2022-06-11T12:26:59Z)
• Semi-DRDNet Semi-supervised Detail-recovery Image Deraining Network via Unpaired Contrastive Learning [59.22620253308322]
  半教師付き詳細復元画像デラミニングネットワーク(セミDRDNet)を提案する。 半教師付き学習パラダイムとして、Semi-DRDNetは、強靭性と詳細な精度を犠牲にして、合成データと実世界の降雨データの両方を円滑に運用する。
  論文  参考訳（メタデータ） (2022-04-06T12:35:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。