近日，我校轮盘 符颖教授团队在复杂气象条件下的3D视觉重建领域取得重要突破。团队完成的学术论文《MeteGS: Meteorology-Guided Gaussian Splatting for Scene Rendering and Recovery in Adverse Weather Conditions》被国际人工智能顶级会议International Joint Conference on Artificial Intelligence 2026（IJCAI 2026）录用。该研究由成都信息工程大学与上海交通大学合作完成。我校2024级研究生范莎为论文第一作者，符颖教授为论文通讯作者。

IJCAI（International Joint Conference on Artificial Intelligence）是人工智能领域历史最悠久、最具权威性的顶级学术会议之一，涵盖机器学习、计算机视觉、自然语言处理等前沿方向，在学术界与工业界均享有极高声誉。

内容介绍：在自动驾驶、移动机器人、虚拟现实和数字孪生等实际应用中，雨雾天气往往会引入雨痕、镜头附着水滴以及体积散射等现象。这些退化通常在空间上不均匀且随视角变化，严重破坏了3D表示学习和新视角合成所依赖的多视角一致性约束，导致几何细节被抑制、外观呈现不稳定。然而，现有的方法大多局限于二维图像领域，鲜少对3D退化形成过程进行建模，限制了在3D高斯泼溅（3DGS）技术中进行可控的天气合成与一致的复原。

针对上述问题，研究团队提出了一种全新的3D级统一渲染-复原框架。团队首次将真实气象观测数据作为外部先验，在单一的3DGS管道内实现了联合去雨和去雾。在研究中，团队将降水数据映射为可解释的物理参数，用于精准控制“雨高斯”的密度和形态；同时，通过大气散射消光强度驱动3D雾的生成，从而实现了可复现的天气建模。此外，团队还设计了一种闭环的双分支优化机制：渲染分支通过拟合退化的观测数据来捕捉天气引起的退化模式；复原分支则利用多尺度感知一致性，将场景高斯向清晰域进行正则化修正。这一策略有效抑制了伪影，显著提高了跨视角的细节保真度。大量在不同场景和天气条件下的实验表明，该方法在三项定量指标上均一致优于现有的强力基线方法。此次成果的发表，为恶劣天气下可靠的3D建模与新视角合成提供了全新的思路与方法。