AquaFlow：用于水下流重建的单目高斯泼溅 SLAM

最近的单目 3D 高斯分布 (3DGS) 流式重建方法通过平衡重建质量和效率取得了令人印象深刻的性能。然而，由于严重的视觉退化（例如光衰减和散射），将这些框架扩展到水下场景仍然具有挑战性，这会降低相机姿态跟踪并扭曲场景几何形状。为了应对这些挑战，我们提出了 AquaFlow，一种单目高斯 Splatting 流式重建框架，用于高效、高保真水下重建。具体来说，AquaFlow 在大规模水下数据上微调 3D 视觉基础模型，以实现稳健的位姿和点图估计，并引入用于流映射的介质引导增量高斯初始化策略。此外，我们开发了一种与流兼容的混合场景表示，它将结构化、距离条件神经高斯与受物理启发的光学模型集成在一起，以补偿水下图像形成效应，从而实现准确的场景重建。我们在包含 62 个不同水下轨迹的综合数据集上评估 AquaFlow，这些轨迹是从公共基准和各种规模的野外网络视频中收集的。大量实验表明，AquaFlow 实现了最先进的跟踪和渲染性能，与 WaterSplat-SLAM 相比，平均定位误差降低了 13.2%，PSNR 提高了 4.74 dB。