我们提出了一种成像和神经渲染技术，旨在从新颖的移动视角合成通过场景传播的光的视频。我们的方法依赖于一种新的超快成像设备，用皮秒级时间分辨率捕捉首个多视角视频数据集。结合该数据集，我们引入了一种基于瞬态场的高效神经体渲染框架。该场被定义为从三维点和二维方向到表示超快时间尺度下时变辐射度的高维离散时间信号的映射。使用瞬态场进行渲染可以自然地考虑光的有限速度带来的效应，包括由于光传播延迟到相机而引起的视点相关外观变化。我们渲染了一系列复杂效果，包括散射、镜面反射、折射和衍射。此外，我们通过时间扭曲过程演示了去除视点相关传播延迟、相对论效应的渲染以及直接和全局光传输的视频合成。

Apr, 2024

本文采用卷积前馈神经网络来解决超出直线视野成像中的复杂非线性细节重建问题，能够高效地生成大量的训练数据。实验结果表明，我们的前向传播网络，即使仅在合成数据上训练，也能推广到 SPAD 传感器的测量数据，并能够获得与基于模型的重建方法相媲美的结果。

Jan, 2020

通过一种新的光学计算方法，使用神经形态计算方法以人脑视觉为灵感，从密集混浊介质中的散射光中重建图像，实现在浑浊条件下的图像复原。

Sep, 2023

本文利用基于时间门控的增强型 CCD 相机，实现了单光子成像系统，并采用幽灵成像方法获取了高信噪比的图像，利用稀疏表示理论和相关图像重建技术，从少于每像素一个探测光子的原始数据中获得了高质量的物体图像。

Aug, 2014

图像中记录事件的三维重建长期以来一直是计算机视觉和计算机图形之间的共同挑战。本文介绍了视频渲染和基于图像的技术在此场景中的应用情况，评估了尚待解决的问题以及未来研究的重点。

Dec, 2023

在高速运动和低照明条件下的场景重建是许多应用（如增强和虚拟现实、无人机导航和自主机器人）中的重要问题。本文介绍了一种能够从高速图像序列（如由单光子相机捕获的序列）中估计极端场景运动的方法，在低光或高动态范围等具有挑战性的条件下表现出色。

Sep, 2023

该研究论文以仅使用普通光时间飞行传感器的数据，而无需额外硬件需求，首次提出了利用深度学习模型来处理摄像机视线之外的物体获取问题，并通过构建注释的训练数据，轻松处理光反射并恢复隐藏场景的深度信息，同时演示了该想法的可行性。

Mar, 2024

利用散射光的单张图像在不需激光和时间门控检测的情况下，通过电脑摄像头来实现透过散射介质和检测散射光在物体周围的成像。

Mar, 2014

该文回顾了非直视成像领域的最新进展，探讨了如何绕过障碍物观察到隐藏在墙壁或其他障碍后方的物体的 3D 图像以及未来的发展前景。

May, 2020

提出一种新方法，通过结合空间和时间信息，采用水平集方法和正弦基函数表达动态物体的运动，实现高分辨率时间图像的重建。与当前方法相比，在合成和伪动态真实 X 射线断层扫描数据集上表现出优越性能，为断层显像的动态过程提供改进的可视化和分析。

Nov, 2023