相关实验视频
Updated: Mar 7, 2026

14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
17.2K
单视图神经照明估计和编辑用于动态光场显示器.
Xuyang Hong1, Jie Xie1,2, Jie Sheng1
1School of Rail Transportation, Soochow University, 8 Jixue Rd., Suzhou, 215100, China.
Light, science & applications
|March 5, 2026
概括
本研究介绍了适应性光场合成的神经框架,从稀疏的数据中实现光现实的虚拟和增强现实体验. 它准确地估计和编辑高保真数字光场的场景照明.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 沉浸式技术 沉浸式技术
背景情况:
- 光场染对光现实虚拟现实 (VR),增强现实 (AR),混合现实 (MR) 和扩展现实 (XR) 至关重要.
- 为高保真显示器合成密集的视图具有挑战性,因为在动态沉浸式交互中观察的数量稀少.
- 在虚拟和现实世界之间生成光度一致的视图仍然是一个重大障碍.
研究的目的:
- 开发用于自适应光场合成的神经照明估计和编辑框架.
- 通过解构内置照明,从任何视角实现高保真度重新照明.
- 为交互和适应性数字光场创造一个实用的途径.
主要方法:
- 一个混合引导的生成网络从单个采样视图中合成了可信的密集视图.
- 内在照明参数是从稀疏的观测中明确编码的.
- 一个完整的染模型指导合成过程以获得光度一致性.
主要成果:
- 该方法实现了低辐射误差 (0.2397 W m-2) 和角偏差 (7.02°).
- 合成图像显示,峰值信号对噪声比率 (PSNR) 提高了17.0%.
- 观察到学习感知图像补丁相似性 (LPIPS) 减少了51.2%,表明现实性得到了增强.
结论:
- 该框架为从稀疏数据中进行自适应光场合成提供了一个实用的解决方案.
- 它可以为下一代沉浸式显示器实现一致和高保真的重新照明.
- 这项工作推进了用于计算成像的交互式数字光场生成.

