移动光场相机 Richardson-Lucy 去模糊
本研究通过分析相机运动对光场的影响，并在原始域和傅里叶域中研究光场的运动模糊问题，提出了一种算法，可以实现对于实际的合成运动模糊光场进行盲目去模糊，还原光域；并证明了三维相机的运动路径。
Apr, 2017
该论文提出了一种新算法，可以同时实现在任意 6-DOF 摄像机运动和不受限制的场景深度下的高质量光场去模糊和深度估计，通过利用光场的多视角特性，减轻了优化的反演性质，利用强深度线索和多视角模糊观察。
Nov, 2017
在本文中，我们开发了一种数据驱动方法来对饱和像素进行建模，并提出了基于学习的潜变量映射进行非盲目去模糊处理的最大后验 (MAP) 问题，可通过迭代计算潜变量映射和潜变量图像来有效解决。为了提高去模糊图像的质量并避免加大伪影，我们开发了先验估计网络 (PEN) 来获取先验信息，并将其融入到 RL 方案中。实验结果表明，所提出的方法在合成图像和真实世界图像上在定量和定性方面都表现出色，优于现有的算法。
Aug, 2023
本篇论文提出了一种基于 Richardson-Lucy deconvolution 公式和全卷积网络特征融合的 LUCYD 方法来改善显微镜图像质量和图像恢复效果，该方法可以在降低计算成本和保持高度可解释性的情况下，比现有技术在真实和合成显微镜图像方面都实现了更好的表现，并可以用于各种显微镜模态和不同成像条件。
Jul, 2023
ExBluRF 是一种基于高效辐射场优化的极度运动模糊图像视图合成方法，通过在训练中优化尖锐的辐射场，同时估计生成模糊图像的相机轨迹，从极度模糊的图像中获取相机轨迹信息和辐射场。与现有方法相比，这种方法在更短的训练时间和 GPU 内存消耗下恢复了更锐利的 3D 场景。
Sep, 2023
提出 DyBluRF 方法，通过在受到运动模糊的单目视频中捕捉相机轨迹和场景内物体的离散余弦变换 (DCT) 轨迹，以及采用全局跨时间渲染方法来实现生成高质量、清晰的新视角，并保持场景的时空一致性。在经过特定定制的多样化动态场景数据集上进行的实验结果表明，该方法在从运动模糊输入生成清晰的新视角并保持场景的时空一致性方面优于现有方法。
Mar, 2024
本文提出了一种新型深层次解除虚焦模糊网络，它通过使用光场技术生成高度准确的图像配对，并使用 Feat?ure loss 技术改善二次拍摄方法捕捉到的图像失焦，取得了在多个测试集上的良好表现。
Apr, 2022
本论文提出了一种机器学习算法，输入一个 2D RGB 图像并合成一个 4D RGBD 光场，用于场景的颜色和深度方向的射线，同时介绍了最大的公共光场数据集，以及应用的卷积神经网络。
Aug, 2017