Abstract
実世界の煙は、シーンの放射輝度を同時に減衰させ、エアライトを付加し、さらにマルチビューの外観整合性を不安定化させるため、頑健な3D再構成が特に困難になります。私たちは、NTIRE 2026 3D Restoration and Reconstruction Track 2 のチャレンジ向けに開発した実運用可能なパイプラインである extbf{SmokeGS-R} を提案します。主要なアイデアは、幾何の復元を外観の補正から切り離すことです。すなわち、洗練されたダークチャネル優先とガイド付きフィルタリングを用いて物理ガイド付きの疑似クリーンな教師信号を生成し、シャープなクリーンのみの3Dガウシアン・スプラッティングのソースモデルを学習させ、その後、幾何平均の参照集約、LAB空間でのReinhard転送、およびライトのガウシアンな平滑化を用いて、ドナー・アンサンブルとのレンダリングを調和させます。公式チャレンジのテスト用リーダーボードでは、最終提出は
\mbox{PSNR =15.217} と
\mbox{SSIM =0.666} を達成しました。RealX3D の公開後、同じ凍結結果を、再学習なしで公開された7つのチャレンジシーン上で再評価し、
\mbox{PSNR =15.209}、
\mbox{SSIM =0.644}、および
\mbox{LPIPS =0.551} を得ました。同一シーンにおける最強の公式ベースライン平均を +3.68 dB PSNR 上回っています。これらの結果は、幾何を優先する再構成戦略に、安定した事後レンダリングによる外観の調和を組み合わせることが、実世界のマルチビュー煙の復元に対する有効なレシピであることを示唆しています。コードは https://github.com/windrise/3drr_Track2_SmokeGS-R で公開されています。
