CasDeblurGS: Cascaded 2D-to-3D Multi-View Consistency for 3D Gaussian Splatting from Two Blurry Images

📄 arXiv: 2608.10345v1 📥 PDF

作者: Haeyun Choi, Minhyuk Jang, I-Gil Kim

分类: cs.CV

发布日期: 2026-08-11

备注: Accepted to the ECCV 2026 MUSTCV Workshop. Project page: https://haeyun-choi.github.io/Cascaded2D3D_page/

💡 一句话要点

提出CasDeblurGS以解决从模糊图像重建3D场景的问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱七：动作重定向 (Motion Retargeting)

关键词: 3D重建 模糊图像处理 神经渲染 多视图一致性 计算机视觉

📋 核心要点

  1. 现有模糊感知方法在重建3D场景时通常依赖于多视图冗余和准确的相机姿态，限制了其实用性。
  2. CasDeblurGS通过级联框架逐步恢复可靠的交叉视图信息，从而实现从两张模糊图像中重建3D场景。
  3. 实验结果表明，该方法在真实和合成的Deblur-NeRF场景上均显著提升了PSNR，分别提高了1.19 dB和2.11 dB。

📝 摘要（中文）

自由视角的3D场景媒体在沉浸式应用中越来越重要，但实际捕获常常受到视角稀疏和运动模糊的影响。尽管神经渲染在稀疏视图合成方面取得了进展，现有的模糊感知方法通常需要大量的多视图冗余、准确的相机姿态或昂贵的逐场景优化。本文提出CasDeblurGS，一个级联框架，能够从仅有的两张运动模糊图像中重建一致的3D场景，且无需输入视图姿态、辅助清晰图像或逐场景的测试时优化。通过局部2D对应关系到全局3D引导的逐步恢复，该方法显著提高了3D表示的一致性和新视图合成的质量。

🔬 方法详解

问题定义：本文旨在解决从仅有的两张运动模糊图像中重建一致的3D场景的问题。现有方法通常需要多视图冗余和准确的相机姿态，限制了其在实际应用中的有效性。

核心思路：CasDeblurGS的核心思路是通过一个级联框架，逐步从局部2D对应关系中恢复全局3D引导信息，避免了对输入视图姿态和辅助清晰图像的依赖。

技术框架：该方法分为两个主要阶段：第一阶段通过考虑遮挡的对应关系过滤构建局部可靠引导；第二阶段将中间恢复结果聚合成一个临时的无姿态3D高斯表示，利用输入视图的重渲染提供密集的全局引导。

关键创新：最重要的创新在于提出了一个级联框架，能够在没有输入视图姿态的情况下有效整合局部信息，显著提高了3D表示的一致性和新视图合成的质量。

关键设计：在设计中，采用了遮挡感知的对应关系过滤技术，并通过临时的3D高斯表示来聚合信息，确保了最终恢复的高质量和一致性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，CasDeblurGS在真实和合成的Deblur-NeRF场景上均显著优于强基线，PSNR分别提高了1.19 dB和2.11 dB，证明了其在渲染质量和多视图几何一致性方面的有效性。

🎯 应用场景

该研究的潜在应用领域包括虚拟现实、增强现实和电影制作等需要高质量3D场景重建的领域。通过解决模糊图像重建问题，CasDeblurGS能够为用户提供更为沉浸的视觉体验，推动相关技术的发展与应用。

📄 摘要（原文）

Free-viewpoint 3D scene media is increasingly important for immersive applications, yet practical capture often suffers from severe view sparsity and motion blur. Although neural rendering has advanced sparse-view synthesis, existing blur-aware methods typically require substantial multi-view redundancy, accurate camera poses, or costly per-scene optimization. We address a stringent yet practical setting: reconstructing a coherent 3D scene from only two motion-blurred images with known intrinsics, without input-view poses, auxiliary sharp images, or per-scene test-time optimization. To this end, we propose CasDeblurGS, a cascaded framework that progressively recovers reliable cross-view information from local 2D correspondences to global 3D guidance. Stage 1 constructs locally reliable guidance through occlusion-aware correspondence filtering, while Stage 2 aggregates the intermediate restorations into a provisional pose-free 3D Gaussian representation whose input-view re-renders provide dense global guidance for final restoration. The resulting views enable a more coherent 3D representation and higher-quality novel-view synthesis. Experiments on real-world and synthetic Deblur-NeRF scenes show consistent gains over strong baselines, improving PSNR by 1.19 dB and 2.11 dB, respectively. Progressive ablations, cross-view correspondence visualization, and camera reprojection analysis further demonstrate improvements in both rendering quality and multi-view geometric consistency.