NTIRE 2026 3D Restoration and Reconstruction in Real-world Adverse Conditions: RealX3D Challenge Results
本文介绍了 NTIRE 2026 RealX3D 挑战赛的结果，该挑战赛评估了 33 支团队针对极端低光照和烟雾退化环境下的鲁棒 3D 复原与重建所提出的方法，并突出了应对真实世界场景退化方面的关键设计原则与显著进展。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图用一堆照片构建一个完美的房间 3D 模型。通常，你会在明亮、晴朗的天气下拍摄这些照片。但如果你尝试在漆黑一团的洞穴中，或站在浓密的烟雾里进行拍摄呢？照片会变得昏暗、模糊，或充满“雾气”，使得几乎无法分辨墙壁的位置或家具的样貌。
本文是对一项名为NTIRE 2026的全球竞赛的成绩报告，共有 33 支科学家和工程师团队尝试解决这一确切问题。他们的目标是找出如何将这些“损毁”的照片（要么太暗，要么有烟雾）转化为清晰、准确的 3D 模型。
以下是事件发生经过、他们的方法以及获胜者的简要说明。
挑战：两种不同的灾难
竞赛设有两个赛道，就像电子游戏中的两个不同关卡：
- 赛道 1（黑暗房间）：团队必须修复在极端低光条件下拍摄的照片。
- 赛道 2（烟雾机）：团队必须修复透过浓烟拍摄的照片。
他们使用了一个名为RealX3D的特殊数据集，其中包含在这些恶劣条件下捕捉到的真实世界场景。各团队必须将这些糟糕的照片输入计算机，并从另一端输出干净的 3D 图像。
秘密武器："3DGS"
几乎所有人都使用了一种名为**3D 高斯泼溅（3D Gaussian Splatting, 3DGS）**的技术。
- 类比：想象你要绘制一个 3D 雕塑。你不是使用一块实心的黏土，而是使用数百万个微小的、蓬松的颜料球（高斯）。你将这些球抛向空中，它们粘在一起形成物体的形状。
- 问题：当照片昏暗或有烟雾时，计算机会困惑于该将球放在哪里。它可能将阴影误认为是一个洞，或将烟雾误认为是一堵墙。
- 解决方案：各团队必须发明巧妙的方法，在“抛洒”颜料球之前或同时“清理”照片，以便计算机确切知道真实物体的样子。
获胜者是如何做到的（策略）
各团队运用了一些极具创意的技巧来获胜。以下是他们方法的一些示例：
- “团队合作”法（FuME-GS）：该团队不依赖单一方法来修复暗光照片，而是同时使用四种不同的“修复器”。这就像请四位不同的艺术修复师修复一幅画，然后将他们最好的部分组合成一幅完美的图像。
- “三头怪兽”（CISP-GS）：该团队构建了一个拥有三个不同分支的系统。一个分支专注于亮度，另一个专注于相机设置，第三个专注于细节。他们让这三个分支协同工作，并平均它们的结果，以获得超稳定的图像。
- “物理侦探”（Smoke-GS 和 GenSmoke-GS）：对于烟雾挑战，一些团队并不只是尝试“擦除”烟雾。他们建立了烟雾行为（如光线如何散射）的数学模型。他们教会计算机烟雾物理的规则，使其能够从图像中数学地减去烟雾，而不仅仅是猜测。
- “生成艺术家”（GenSmoke-GS）：一个团队使用了一个强大的 AI（多模态大语言模型）来充当艺术家。他们告诉 AI：“这是一张有烟雾的照片；请重绘你看不见的细节，但不要改变建筑物的形状。”AI 根据它对世界的了解填补了缺失的细节。
结果
在 279 名报名者中，只有 33 支团队成功完成了挑战并提供了可行的解决方案。
- 获胜者：
- 黑暗房间赛道：DimV团队凭借名为FuME-GS的方法获胜。他们通过融合多种增强技术获得了最清晰的图像。
- 烟雾赛道：PLBBL团队凭借GenSmoke-GS获胜。他们结合了物理原理和 AI 生成技术来驱散烟雾。
意义所在
论文总结道，虽然我们在完美工作室中制作 3D 模型方面已经非常擅长，但现实世界是混乱的。这些获胜者向我们表明，通过结合图像清理（修复照片）与3D 重建（构建模型），我们终于能够穿透黑暗和烟雾。
论文并未承诺你的手机明天就能做到这一点，但它证明了技术正朝着正确的方向迈进。组织者希望这能帮助未来的机器人和自动驾驶汽车即使在外面漆黑一片或雾气弥漫时也能安全导航。
简而言之：这是一场竞赛，看谁能最好地清理一张杂乱的图片并将其转化为清晰的 3D 世界，获胜者证明了只要结合数学、物理和 AI，即使是最黑暗和最烟雾弥漫的场景也能被重建。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。