摘要

高动态范围（HDR）新视角合成（Novel View Synthesis, NVS）旨在利用HDR成像技术从新视角生成逼真的图像。渲染得到的HDR图像能够捕捉更广泛的亮度范围，相较于传统的低动态范围（LDR）图像，可呈现更多场景细节。现有的HDR NVS方法主要基于NeRF（神经辐射场）框架，但普遍存在训练时间长、推理速度慢的问题。本文提出一种新型框架——高动态范围高斯点云渲染（High Dynamic Range Gaussian Splatting, HDR-GS），能够高效生成新视角的HDR图像，并可根据用户输入的曝光时间重建LDR图像。具体而言，我们设计了一种双动态范围（Dual Dynamic Range, DDR）高斯点云模型：该模型采用球谐函数（spherical harmonics）拟合HDR颜色信息，并引入基于多层感知机（MLP）的色调映射器（tone-mapper）以生成LDR颜色。随后，HDR与LDR颜色分别输入两个并行的可微分光栅化（Parallel Differentiable Rasterization, PDR）流程，实现HDR与LDR视图的重建。为推动基于3D高斯点云方法在HDR NVS领域的研究，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，相较于当前最先进的基于NeRF的方法，我们的HDR-GS在LDR和HDR新视角合成任务上分别提升了3.84 dB和1.91 dB的峰值信噪比（PSNR），同时推理速度提升1000倍，训练时间仅需其6.3%。