光场神经视差场

任意分辨率视差重建

用神经网络隐式连续表示场景视差，摆脱传统视差图的采样误差与插值不准。

Shi, Ligen · 刘畅 · 赵星 · 邱钧

IEEE Transactions on Computational Imaging 2025

技术优势

任意分辨率重建

隐式连续表示支持在任意分辨率下离散化视差，无需重新训练或插值。

无需训练数据

采用迭代优化方案重建NDF，不依赖训练数据集，适用于各种采集方式的光场数据。

纹理级视差细节

哈希编码结合多层感知机捕捉纹理级别的视差细节，增强复杂场景几何信息表示能力。

应用场景

• 计算成像：为光场成像提供高精度的视差计算核心，提升后续图像处理质量。
• 3D重建：从光场数据直接获得连续视差场，无需离散视差图即可生成精细三维模型。
• 光场相机：优化光场相机深度估计流程，提供亚像素精度且无需训练数据。
• 深度估计：替代传统视差图方法，消除采样误差，实现任意分辨率深度估计。