HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting

本文提出了一种新的框架，高动态范围高斯点云投影（HDR-GS），可以使用HDR成像技术从新视角高效地渲染新颖的HDR图像，并根据用户输入的曝光时间重建LDR图像。该方法使用双动态范围（DDR）高斯点云模型来拟合HDR颜色，并采用基于MLP的色调映射器来渲染LDR颜色。然后，HDR和LDR颜色被输入到两个并行可微分光栅化（PDR）过程中，以重建HDR和LDR视角。为了建立3D高斯点云投影方法在HDR NVS研究中的数据基础，我们重新校准了相机参数，并计算了高斯点云的初始位置。实验结果表明，我们的HDR-GS在LDR和HDR NVS上的表现优于基于NeRF的最先进方法，分别提高了3.84和1.91 dB，同时享有1000倍的推理速度和仅需6.3％的训练时间。

提出一个新的High Dynamic Range Gaussian Splatting (HDR-GS)框架，以有效地渲染新的HDR视图和重建LDR图像。主要解决现有的HDR NVS方法训练时间长、推理速度慢的问题。

设计了一个Dual Dynamic Range (DDR)高斯点云模型，使用球谐函数来拟合HDR颜色，并采用基于MLP的色调映射器来渲染LDR颜色。然后将HDR和LDR颜色输入到两个并行可微分光栅化（PDR）过程中，重建HDR和LDR视图。

实验结果表明，HDR-GS在LDR和HDR NVS上均优于现有的NeRF方法，并且推理速度快1000倍，仅需要6.3%的训练时间。

最近的相关研究包括NeRF、DeepVoxels、DIB-R等。