.png){kind=icon}
返回
Learning Lens Blur Fields
.png){kind=icon}
PRE
AI
DOI：10.1109/TPAMI.2025.3578587.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光学模糊是任何镜头系统的固有属性，由于现代相机具有复杂的光学元件，因此对其进行建模具有挑战性。为应对这一挑战，我们引入了一种高维神经模糊表示——**lens blur field**，并提出了一种获取该表示的实用方法。**lens blur field**是一种多层感知器（MLP），其设计目的是：（1）精确捕捉镜头2D点扩散函数随图像平面位置、对焦设置以及可选的深度变化的差异；（2）将这些变化以参数化形式表示为单个、传感器特定的函数。该表示模型结合了散焦、衍射、像差的综合效应，并考虑了传感器特征，如像素颜色滤波器和像素特定的微透镜。为学习特定设备的真实世界模糊场，我们提出了一种广义非盲去卷积问题，该问题直接使用一组较小的焦栈作为唯一输入来优化MLP权重。我们还提供了一种前所未有的5D模糊场数据集——适用于智能手机相机、配备各种镜头的相机机身等。最后，我们证明所获取的5D模糊场具有足够的表达力和准确性，能够首次揭示同品牌同型号智能手机设备之间的光学行为差异。
Keyword:
Modeling point spread functions
computational photography
neural representations
期刊
IF:
18.6
论文数:
864
被引数:
9.8W
机构
引用论文
.png){kind=icon}
Differentiable Compound Optics and Processing Pipeline Optimization for End-to-end Camera Design用于端到端相机设计的可区分复合光学和处理管道优化
PREAI
分享收藏
查看更多内容