Scene-Adaptive Nonlinear Tone Curves for Pseudo Ground-Truth Generation in Low-Light 3D Gaussian Splatting
作者: Mingzhe Lyu, Jinqiang Cui, Hong Zhang
分类: cs.CV
发布日期: 2026-06-10
🔗 代码/项目: GITHUB
💡 一句话要点
提出场景自适应非线性调色曲线以解决低光照3D重建问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱八：物理动画 (Physics-based Animation)
关键词: 低光照合成 伪地面真相 3D重建 非线性调色曲线 图像处理 计算机视觉 高斯点云
📋 核心要点
- 现有伪地面真相方法对所有像素应用统一线性增益，导致亮区被截断而暗区增强不足，限制了重建质量。
- 本文提出了一种场景自适应非线性调色曲线框架，采用基于百分位的归一化和场景自适应偏移，结合两种曲线形式。
- 在三项基准测试中，所提方法在PSNR上分别提升了+4.34 dB和+3.25 dB，显示出显著的性能改进。
📝 摘要（中文）
低光照新视图合成面临挑战，因为暗多视图图像包含噪声、结构细节弱和动态范围压缩。最近的3D高斯点云方法通过生成伪地面真相图像作为监督目标来解决这些问题。然而，现有伪地面真相方法对所有像素应用统一线性增益，导致亮区被截断而暗区增强不足，从而限制了重建质量。本文提出了一种场景自适应非线性调色曲线框架，替代线性伪地面真相，采用基于百分位的归一化和场景自适应偏移，结合自适应软指数曲线和自适应三次多项式曲线。实验结果表明，所提曲线在多个基准上均优于线性基线，PSNR提升显著。
🔬 方法详解
问题定义：本文旨在解决低光照条件下3D重建中的伪地面真相生成问题。现有方法使用统一线性增益，导致亮区信息丢失和暗区细节不足，影响重建效果。
核心思路：提出了一种场景自适应的非线性调色曲线框架，替代传统的线性伪地面真相生成方法。通过引入非线性映射，能够更好地处理不同亮度区域的细节，提升重建质量。
技术框架：该框架包括三个主要模块：基于百分位的归一化处理、场景自适应的黑电平调整，以及两种非线性曲线（自适应软指数曲线和自适应三次多项式曲线），确保在不同场景下的有效应用。
关键创新：最重要的创新在于引入了非线性调色曲线替代线性增益，能够自适应调整不同场景的亮度分布，从而提升伪地面真相生成的质量。
关键设计：采用基于百分位的归一化方法确保曲线适用于不同场景，场景自适应偏移用于自动调整黑电平，两个曲线形式（ASE和AP3）提供了灵活的选择以适应不同数据特征。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提的自适应软指数曲线和自适应三次多项式曲线在多个基准测试中均优于线性基线，PSNR提升分别达到+4.34 dB和+3.25 dB，表明该方法在低光照条件下的有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括低光照环境下的图像重建、计算机视觉中的新视图合成以及增强现实等。通过提高低光照条件下的图像质量，能够为多种实际应用提供更高的视觉效果和用户体验，具有重要的实际价值和广泛的未来影响。
📄 摘要（原文）
Low-light novel view synthesis is challenging because dark multi-view images contain noise, weak structural detail, and compressed dynamic range. Recent 3D Gaussian Splatting (3DGS) methods address these challenges by generating pseudo ground-truth (pseudo-GT) images as supervision targets when paired normal-light references are unavailable. Existing pseudo-GT methods apply a uniform linear gain to all pixels, which clips bright regions while providing insufficient enhancement in dark regions, limiting reconstruction quality. We observe that nonlinear tone mappings, long established in 2D low-light enhancement, have not been explored for pseudo-GT generation in 3D reconstruction. Accordingly, we propose a scene-adaptive nonlinear tone-curve framework that replaces linear pseudo-GT with nonlinear alternatives. The framework introduces percentile-based normalisation for scene-agnostic curve application, a scene-adaptive offset for automatic black-level adjustment, and two complementary curves: Adaptive SoftExp (ASE), a bounded exponential curve, and Adaptive Poly3 (AP3), a data-driven cubic polynomial. The module changes only the pseudo-GT computation and leaves the 3DGS backbone unchanged. Experiments on three benchmarks covering 21 scenes show that both curves consistently outperform the linear baseline with PSNR improvements up to +4.34 dB on LOM and +3.25 dB on RealX3D. Both curves achieve similar performance despite their different mathematical forms, suggesting the improvement is curve-agnostic. Code is available at https://github.com/lvmingzhe/adaptiveToneCurve