EaDeblur-GS: Event assisted 3D Deblur Reconstruction with Gaussian Splatting

最近，随着神经辐射场（NeRF）和三维高斯喷溅（3DGS）的发展，3D去模糊重建技术取得了重大进展。尽管这些技术可以从模糊的图像输入中恢复相对清晰的3D重建，但它们仍然面临处理严重模糊和复杂相机运动的限制。为了解决这些问题，我们提出了一种使用事件相机数据增强3DGS对运动模糊的鲁棒性的事件辅助3D去模糊重建与高斯喷溅（EaDeblur-GS）方法。通过使用自适应偏差估计器（ADE）网络来估计高斯中心偏差并使用新的损失函数，EaDeblur-GS实现了实时的锐利3D重建，展示了与最先进方法相当的性能。

论文旨在解决3D重建中的运动模糊问题，提出一种结合事件相机数据的新方法，以增强3D高斯光斑技术对于运动模糊的鲁棒性。

论文的关键思路是使用Adaptive Deviation Estimator（ADE）网络估计高斯中心偏差，并使用新的损失函数，将事件相机数据与3D高斯光斑技术相结合，实现实时的清晰3D重建。

论文的实验结果表明，该方法在处理运动模糊方面表现出色，与目前最先进的方法相当。此外，论文还提供了一个新的数据集，并开源了代码。

最近在这个领域中，还有一些相关的研究，如Neural Radiance Fields（NeRF）和3D Gaussian Splatting（3DGS）。