相关实验视频
Updated: May 10, 2026

14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
16.6K
双摄像头全焦神经辐射场 神经辐射场
概括
本研究介绍了DC-NeRF,这是一种使用双智能手机摄像头创建全焦神经辐射场 (NeRF) 的新型框架,无需手动重新聚焦. 它利用超宽和主摄像头来克服失焦模糊,并增强细节以实现现实的3D场景重建.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 计算机摄影的使用
背景情况:
- 当前的神经辐射场 (NeRF) 方法由于单摄像头输入的持续失焦模糊而与全焦合成作斗争.
- 标准NeRF输入中缺乏清晰的引用,阻止了对不同深度场景的准确重建.
研究的目的:
- 开发第一个用于从未重新聚焦的双摄像头输入中合成全焦NeRF的框架.
- 从智能手机图像中实现高准确度的3D场景重建,无需人工干预.
主要方法:
- 利用智能手机的双摄像头系统 (超宽和主摄像头),利用它们的互补深度和分辨率.
- 实现了空间扭曲和颜色匹配,用于双摄像头对齐.
- 开发了一个失焦感应的融合模块,具有可学习的参数来预测失焦地图和融合对齐图像.
主要成果:
- 创建了一个新的多视图数据集,包括来自主和超宽智能手机摄像头的同步图像对.
- DC-NeRF成功地产生了高质量的,全焦的新视图,在数量和质量上优于现有方法.
- 已证明的应用包括可调节的模糊强度,焦平面控制,重新聚焦和分裂二光子效应.
结论:
- 拟议的DC-NeRF框架通过智能融合双摄像头数据,有效地合成了对焦的NeRF.
- 这种方法克服了单摄像头NeRFs的局限性,并为3D场景表示和操纵开辟了新的可能性.
更多相关视频
10:30Simultaneously Capturing Real-time Images in Two Emission Channels Using a Dual Camera Emission Splitting System: Applications to Cell Adhesion
Published on: September 4, 2013
9.6K
07:14Dual Raster-Scanning Photoacoustic Small-Animal Imager for Vascular Visualization
Published on: July 15, 2020
4.0K