学习镜头模糊场
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
该研究提出了一种有效的去除焦外模糊的方法，利用大多数现代相机上的双像素传感器捕获的数据，通过深度神经网络结构来减少焦外模糊，并且通过精心捕获的数据集来证明了该方法的可行性。
May, 2020
本文提出了一种新的使用多焦点光场相机的原始图像进行度量深度估计的算法，该算法特别适用于使用多个具有不同焦距的微透镜的多焦点配置。我们通过集成对应关系和模糊度线索利用模糊可知信息来改进失焦立体图像的视差估计，从而改进视差估计，并提出了逆投影模型的方法以达到精确和准确的度量深度估计。最终的结果表明，引入模糊度线索可以改善深度估计。我们通过对相对深度估计和通过 3D 激光雷达扫描仪获得的真实世界 3D 复杂场景进行地面真实度评估来证明我们的算法和深度尺度校准的有效性。
Aug, 2023
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
通过修改光线投射模型以利用透镜光学，我们提出了一种改进的模型，并且能够更好地匹配实际摄像机的虚焦模糊行为，特别是在部分遮挡的情况下，从而实现更锐利的重建，将全焦点图像的峰值信噪比在合成和真实数据集上提高了最多 3 dB。
Jun, 2024
使用深度学习算法和手机拍摄的 RGB-D 数据集改进图像升采样、边界预测和景深控制，从而实现了单张图像高分辨率景深浅化处理。与双镜头深度相机 iPhone 模式相比，该方法在景深控制和光圈大小选择方面更加灵活，且生成的图像质量较好。
Oct, 2018
本文提出了从 DSLR 相机制作模糊背景效果的深度学习模型，并使用大规模图像数据集进行训练。通过实验证明，该模型能够生成非均匀玻璃散射现象，即使输入数据复杂。
Jun, 2020
本研究提出一种神经镜头模型 ——NeuroLens，通过神经网络对失真和暗角进行建模并进行优化，可用于预捕捉校准、重新校准，同时可集成到现有的三维重建和渲染系统中，并在比起标准配套和最新方法时表现更好。
Apr, 2023
本文提出了一种利用深度学习方法和从焦外模糊度生成深度图像的技术来预测在野外环境下的单张图像深度的系统，并通过实验证明，相较于清晰图像，焦外特征能够有效提升深度预测准确性。
Sep, 2018