DeRainGS: Gaussian Splatting for Enhanced Scene Reconstruction in Rainy Environments

在恶劣的雨天条件下进行重建会面临重大挑战，因为能见度降低并且视觉感知失真。这些条件会严重影响几何地图的质量，而几何地图对于从自主规划到环境监测等应用都至关重要。为了应对这些挑战，本研究引入了新颖的任务——雨天环境下的三维重建（3DRRE），专门设计用于解决在雨天条件下重建三维场景的复杂性。为了对这一任务进行基准测试，我们构建了HydroViews数据集，其中包括各种强度的雨滴和雨点的合成和真实场景图像的多样化集合。此外，我们提出了DeRainGS，第一个专为在恶劣的雨天环境中重建而设计的三维重建方法。广泛的实验涵盖了各种雨天情景，表明我们的方法具有最先进的性能，明显优于现有的无遮挡方法。

解决问题：论文旨在解决在恶劣的雨天环境下进行三维重建的挑战，包括视野受限和视觉感知扭曲等问题。作者构建了HydroViews数据集，提出了针对雨天环境下三维重建的DeRainGS方法。

关键思路：DeRainGS是一种专门针对恶劣雨天环境下三维重建的方法，通过将深度学习和几何学相结合，利用图像和深度信息来去除雨水的影响，从而提高三维重建的质量。

其他亮点：作者构建了HydroViews数据集，用于评估DeRainGS方法的性能。实验结果表明，DeRainGS在各种雨天场景下都能取得最先进的性能，优于现有的无遮挡方法。

相关研究：最近的相关研究包括针对三维重建的各种方法，以及去除雨水影响的图像处理方法，如Deep Video De-raining和FastDeRain。