要旨: 本論文では、煙によって劣化した画像に対するNTIRE 2026 3D Restoration and Reconstruction（3DRR）チャレンジのトラック2における、我々の手法を説明する。このタスクでは、煙が画像の視認性を低下させ、シーン最適化とレンダリングに必要なビュー間整合性を弱める。これに対し、画像復元、退霧（デヘイジング）、MLLMベースの強調、3DGS-MCMC最適化、そして反復実行にわたる平均化からなるマルチステージ・パイプラインで問題に取り組む。このパイプラインの主目的は、レンダリング前に視認性を改善しつつ、入力ビュー間でのシーン内容の変更を制限することにある。チャレンジのベンチマークに対する実験結果は、提示されたベースラインよりも定量的性能が向上し、視覚品質もより良いことを示している。コードは https://github.com/plbbl/GenSmoke-GS で公開されている。我々の手法は、公式の競技ウェブサイトで報告されている通り、NTIRE 3DRRチャレンジのトラック2において14人中1位のランキングを達成した： https://www.codabench.org/competitions/13993/#/results-tab.
GenSmoke-GS：生成モデルを用いた、煙で劣化した画像からの新規視点合成のための多段階手法
arXiv cs.CV / 2026/4/6
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文では、NTIRE 2026 3D Restoration and Reconstruction（3DRR）チャレンジのTrack 2における、煙で劣化した画像を用いた新規視点合成のためのマルチステージ・パイプラインであるGenSmoke-GSを提案する。
- 煙下でのビュー間レンダリングの一貫性を改善するために、画像復元、ディヘイジング、MLLMベースの強化、さらに3DGS-MCMC最適化ステップを行った後、複数回の実行結果を平均化することを組み合わせる。
- この手法は、レンダリング前の視認性を高めつつ、入力ビュー間でシーン内容に不要な変化が生じることを抑えることを目的としている。
- チャレンジのベンチマークでの実験では、提示されたベースラインに比べて定量指標の向上と視覚品質の改善が確認される。
- GenSmoke-GSの有効性は、競技Track 2での最上位（14人中1位）の成績により示されており、著者らはGitHubでコードを公開している。
