学习元表面的神经 360 度结构化光
通过神经网络的学习算法，本文设计了一种新颖的元表面结构，并结合新型的基于神经元特征的图像重建算法，在全彩超小场景，完成首个高质量的纳米光学成像装置，同时实现最宽的视野和最大的 0.5mm，f/2 光圈。
Feb, 2021
本文提出利用神经投影映射技术在增强现实应用中实现对投影仪的高分辨率自适应校准和照片级别的光线编辑。通过将虚拟投影纹理与场景参数全微分，可以优化得到所需的外观。此外，本文展示了在材料和场景重建等方面，较传统方法更好的性能。
Jun, 2023
利用元表面技术对薄膜光学进行光学特性的灵活操控，本研究提出了一种替代优化框架来开发适用于天文高对比度成像的两种旋涡相位面具，其中的几何特征通过计算智能技术进行优化。为解决传统方法的不足，引入一种数据高效的进化优化设置，利用深度神经网络作为高度精确和高效的替代模型，使用健壮的粒子群进化优化方案操作光子器件的几何参数进行优化，通过该方法，优化了两种设计方案的性能，有效地将所需的模拟次数与传统优化技术相比减少了 75%。
Sep, 2023
本文介绍了使用双折射光学亚表面和偏振器马赛克光敏传感器捕获四个光学编码测量结果的系统，用于光学电子不相干滤波的任务，并使用一种新的正则化器应用梯度下降来找到一个可以实现一组用户指定空间滤波器的亚表面。
Jul, 2023
本文提出了一种从 360 度立体图像中估计场景高清空间变化光照、反射和几何的方法，该方法利用全景图像获得场景的详细几何信息，结合物理约束共同估计场景属性。通过重建场景的近场光环境、运用深度学习模型推断反射率和表面法线，加入光照与几何之间的物理约束以改进场景的反射率，实验结果表明该方法在增强现实应用中具有 State of the art 的性能有优势。
Apr, 2021
本文提出了一种基于机器学习的全局优化框架，以设计光子器件。该方法使用对抗自动编码器和元启发式优化框架，通过物理传递的压缩设计空间工程，提高了元器件配置的优化搜索效率，并可以揭示器件的光学性能的物理基础。
Jul, 2020
在移动设备上实时进行新视角图像合成由于有限的计算能力和存储而受到限制。体积渲染方法（如 NeRF 及其衍生方法）在移动设备上使用不适宜，因为其计算成本高。然而，神经光场表示方法的最新进展在移动设备上展示了有希望的实时视角合成结果。我们发现使用光场平板表示对于学习神经光场是一种有效的表示方法。更重要的是，它是一种低维的射线表示方法，使我们能够使用相对更快的特征网格来学习 4D 射线空间。我们的方法提供了比以前的光场方法更高的渲染质量，并在渲染质量和速度之间实现了显著的改进平衡。
Oct, 2023
本文提出了一种成本效益高且体积小的方法 —— 分散结构光（DSL），用于准确获取高光谱三维成像。DSL 通过在投影仪前放置亚毫米厚的光栅薄膜，使结构光按照波长分散。通过建立分散投影图像形成模型和像素级高光谱三维重建方法，我们验证了 DSL 的性能，并展示其在实际高光谱三维成像中的优越性。DSL 在光谱精度上达到了 18.8 纳米的半高全宽（FWHM）和 1 毫米的深度误差。DSL 为计算机视觉和图形学、文化遗产、地质学以及生物学等领域提供了准确且实用的高光谱三维成像。
Nov, 2023