← नवीनतम पेपर
💻 computer science

NTIRE 2026 3D Restoration and Reconstruction in Real-world Adverse Conditions: RealX3D Challenge Results

यह शोध पत्र NTIRE 2026 RealX3D चुनौती के परिणामों को प्रस्तुत करता है, जिसने अत्यधिक कम रोशनी और धुएं से प्रभावित वातावरण में सुदृढ़ 3D बहाली और पुनर्निर्माण के लिए 33 टीमों की विधियों का मूल्यांकन किया, जो वास्तविक दुनिया के दृश्य क्षरण (scene degradation) को संभालने में प्रमुख डिजाइन सिद्धांतों और महत्वपूर्ण प्रगति को रेखांकित करता है।

मूल लेखक: Shuhong Liu, Chenyu Bao, Ziteng Cui, Xuangeng Chu, Bin Ren, Lin Gu, Xiang Chen, Mingrui Li, Long Ma, Marcos V. Conde, Radu Timofte, Yun Liu, Ryo Umagami, Tomohiro Hashimoto, Zijian Hu, Yuan Gan, Tianh
प्रकाशित 2026-04-30
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Shuhong Liu, Chenyu Bao, Ziteng Cui, Xuangeng Chu, Bin Ren, Lin Gu, Xiang Chen, Mingrui Li, Long Ma, Marcos V. Conde, Radu Timofte, Yun Liu, Ryo Umagami, Tomohiro Hashimoto, Zijian Hu, Yuan Gan, Tianhan Xu, Yusuke Kurose, Tatsuya Harada, Junwei Yuan, Gengjia Chang, Xining Ge, Mache You, Qida Cao, Zeliang Li, Xinyuan Hu, Hongde Gu, Changyue Shi, Jiajun Ding, Zhou Yu, Jun Yu, Seungsang Oh, Fei Wang, Donggun Kim, Zhiliang Wu, Seho Ahn, Xinye Zheng, Kun Li, Yanyan Wei, Weisi Lin, Dizhe Zhang, Yuchao Chen, Meixi Song, Hanqing Wang, Haoran Feng, Lu Qi, Jiaao Shan, Yang Gu, Jiacheng Liu, Shiyu Liu, Kui Jiang, Junjun Jiang, Runyu Zhu, Sixun Dong, Qingxia Ye, Zhiqiang Zhang, Zhihua Xu, Zhiwei Wang, Phan The Son, Zhimiao Shi, Zixuan Guo, Xueming Fu, Lixia Han, Changhe Liu, Zhenyu Zhao, Manabu Tsukada, Zheng Zhang, Zihan Zhai, Tingting Li, Ziyang Zheng, Yuhao Liu, Dingju Wang, Jeongbin You, Younghyuk Kim, Il-Youp Kwak, Mingzhe Lyu, Junbo Yang, Wenhan Yang, Hongsen Zhang, Jinqiang Cui, Hong Zhang, Haojie Guo, Hantang Li, Qiang Zhu, Bowen He, Xiandong Meng, Debin Zhao, Xiaopeng Fan, Wei Zhou, Linzhe Jiang, Linfeng Li, Louzhe Xu, Qi Xu, Hang Song, Chenkun Guo, Weizhi Nie, Yufei Li, Xingan Zhan, Zhanqi Shi, Dufeng Zhang, Boyuan Tian, Jingshuo Zeng, Gang He, Yubao Fu, Weijie Wang, Cunchuan Huang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप बहुत सारी तस्वीरों का उपयोग करके एक कमरे का एक आदर्श 3D मॉडल बनाने की कोशिश कर रहे हैं। आमतौर पर, आप ये तस्वीरें चमकदार, साफ मौसम में लेंगे। लेकिन क्या होगा यदि आप एक अंधेरी गुफा में या घने धुएं के बादल के बीच खड़े होकर ऐसा करने की कोशिश करें? तस्वीरें अंधेरी, धुंधली या "कोहरे" से भरी होंगी, जिससे यह समझना लगभग असंभव हो जाएगा कि दीवारें कहाँ हैं या फर्नीचर कैसा दिखता है।

यह पेपर एक वैश्विक प्रतियोगिता NTIRE 2026 का रिपोर्ट कार्ड है, जहाँ वैज्ञानिकों और इंजीनियरों की 33 टीमों ने ठीक इसी समस्या को हल करने की कोशिश की। उनका लक्ष्य यह पता लगाना था कि इन "खराब हुई" तस्वीरों (या तो बहुत अंधेरी या धुएँ से भरी) को कैसे लिया जाए और उन्हें एक स्पष्ट, सटीक 3D मॉडल में कैसे बदला जाए।

यहाँ एक सरल विवरण दिया गया है कि क्या हुआ, उन्होंने इसे कैसे किया, और कौन जीता।

चुनौती: दो अलग-अलग आपदाएं

इस प्रतियोगिता में दो ट्रैक थे, जैसे वीडियो गेम में दो अलग-अलग स्तर होते हैं:

  1. ट्रैक 1 (अंधेरा कमरा): टीमों को अत्यधिक कम रोशनी में ली गई तस्वीरों को ठीक करना था।
  2. ट्रैक 2 (धुआं मशीन): टीमों को घने धुएं के माध्यम से ली गई तस्वीरों को ठीक करना था।

उन्होंने RealX3D नामक एक विशेष डेटासेट का उपयोग किया, जिसमें इन भयानक स्थितियों में कैप्चर किए गए वास्तविक दुनिया के दृश्य शामिल हैं। टीमों को इन खराब तस्वीरों को अपने कंप्यूटर में डालना था और दूसरी ओर से एक साफ 3D चित्र प्राप्त करना था।

गुप्त हथियार: "3DGS"

लगभग सभी ने 3D Gaussian Splatting (3DGS) नामक तकनीक का उपयोग किया।

  • उपमा: कल्पना कीजिए कि आप एक 3D मूर्ति को पेंट करने की कोशिश कर रहे हैं। मिट्टी के एक ठोस ब्लॉक के बजाय, आप पेंट की लाखों छोटी, मुलायम गेंदों (Gaussians) का उपयोग करते हैं। आप इन गेंदों को हवा में फेंकते हैं, और वे वस्तु का आकार बनाने के लिए एक साथ चिपक जाती हैं।
  • समस्या: जब तस्वीरें अंधेरी या धुएँ वाली होती हैं, तो कंप्यूटर भ्रमित हो जाता है कि गेंदों को कहाँ रखना है। उसे लग सकता है कि एक छाया एक छेद है, या धुआं एक दीवार है।
  • समाधान: टीमों को पेंट की गेंदों को फेंकने से पहले या दौरान तस्वीरों को "साफ करने" के चतुर तरीके खोजने थे, ताकि कंप्यूटर को पता चल सके कि वास्तविक वस्तु वास्तव में कैसी दिखती है।

विजेताओं ने यह कैसे किया (रणनीतियाँ)

टीमों ने जीतने के लिए कुछ बहुत ही रचनात्मक तरकीबों का उपयोग किया। यहाँ उनके दृष्टिकोण के कुछ उदाहरण दिए गए हैं:

  • "टीमवर्क" दृष्टिकोण (FuME-GS): अंधेरी तस्वीरों को ठीक करने के लिए केवल एक विधि पर निर्भर रहने के बजाय, इस टीम ने एक ही समय में चार अलग-अलग "फिक्सर्स" का उपयोग किया। यह एक पेंटिंग को ठीक करने के लिए चार अलग-अलग कला विशेषज्ञों से पूछने जैसा है, और फिर एक आदर्श छवि बनाने के लिए उनके सर्वोत्तम हिस्सों को मिलाने जैसा है।
  • "तीन सिरों वाला राक्षस" (CISP-GS): इस टीम ने तीन अलग-अलग शाखाओं वाली एक प्रणाली बनाई। एक शाखा चमक (brightness) पर केंद्रित थी, दूसरी कैमरा सेटिंग्स पर, और तीसरी बारीक विवरणों पर। उन्होंने इन तीनों को एक साथ काम करने दिया और अपने परिणामों का औसत निकाला ताकि एक सुपर-स्टेबल इमेज मिल सके।
  • "भौतिकी जासूस" (Smoke-GS और GenSmoke-GS): धुएं की चुनौती के लिए, कुछ टीमों ने केवल धुएं को "मिटाने" की कोशिश नहीं की। उन्होंने धुएं के व्यवहार (जैसे प्रकाश कैसे बिखरता है) का एक गणितीय मॉडल बनाया। उन्होंने कंप्यूटर को धुएं के भौतिकी के नियम सिखाए ताकि वह केवल अनुमान लगाने के बजाय गणितीय रूप से छवि से धुएं को घटा सके।
  • "जनरेटिव कलाकार" (GenSmoke-GS): एक टीम ने एक शक्तिशाली AI (एक मल्टी-मोडल लार्ज लैंग्वेज मॉडल) का उपयोग एक कलाकार के रूप में किया। उन्होंने AI को बताया, "यहाँ एक धुंधली फोटो है; कृपया उन विवरणों को फिर से बनाएं जिन्हें आप नहीं देख सकते, लेकिन इमारत के आकार को न बदलें।" AI ने दुनिया के बारे में जो कुछ भी जानता था, उसके आधार पर लुप्त विवरणों को भर दिया।

परिणाम

279 लोगों में से जिन्होंने पंजीकरण कराया था, उनमें से केवल 33 टीमें ही एक कामकाजी समाधान के साथ चुनौती को पूरा करने में सफल रहीं।

  • विजेता:
    • अंधेरे कमरे के लिए: टीम DimV अपनी विधि FuME-GS के साथ जीती। उन्होंने कई एन्हांसमेंट तकनीकों को जोड़कर सबसे स्पष्ट चित्र प्राप्त किया।
    • धुएं के लिए: टीम PLBBL अपनी विधि GenSmoke-GS के साथ जीती। उन्होंने हवा को साफ करने के लिए भौतिकी और AI जनरेशन के मिश्रण का उपयोग किया।

यह क्यों मायने रखता है

यह पेपर निष्कर्ष निकालता है कि जबकि हम आदर्श स्टूडियो में 3D मॉडल बनाने में बहुत अच्छे हो गए हैं, वास्तविक दुनिया अव्यवस्थित है। इन विजेताओं ने हमें दिखाया कि इमेज क्लीनिंग (फोटो को ठीक करना) को 3D रिकंस्ट्रक्शन (मॉडल बनाना) के साथ जोड़कर, हम अंततः अंधेरे और धुएं के पार देख सकते हैं।

यह पेपर यह वादा नहीं करता है कि आपका फोन कल ही यह करने लगेगा, लेकिन यह साबित करता है कि तकनीक सही दिशा में बढ़ रही है। आयोजकों को उम्मीद है कि यह भविष्य के रोबोटों और सेल्फ-ड्राइविंग कारों को सुरक्षित रूप से नेविगेट करने में मदद करेगा, भले ही बाहर घना अंधेरा या धुंध हो।

संक्षेप में: यह देखने की दौड़ थी कि कौन एक बिखरी हुई फोटो को साफ करने और उसे एक स्पष्ट 3D दुनिया में बदलने में सबसे बेहतर है, और विजेताओं ने साबित कर दिया कि गणित, भौतिकी और AI के सही मिश्रण के साथ, सबसे अंधेरे और धुएँ वाले दृश्यों को भी पुनर्गठित किया जा सकता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →