Geo-NI：用于光场绘制的几何感知神经插值

本文提出一种用于光场绘制的几何感知神经插值（Geo-NI）框架。以往基于学习的方法要么依赖神经网络执行直接插值的能力（我们称之为神经插值（NI）），要么探索场景几何以进行新视角合成（即深度图像绘制（DIBR））。相反，我们通过以新颖的 DIBR 流水线启动 NI，融合了这两类方法的思路。具体而言，所提 Geo-NI 首先利用由一组深度假设剪切的输入光场执行 NI。随后，依据不同深度假设下的重建质量，为剪切光场分配新颖的重建代价体，从而实现 DIBR。该重建代价被解释为混合权重，沿深度假设维度混合重建光场以绘制最终输出光场。通过结合 NI 与 DIBR 的优势，所提 Geo-NI 能够在场景几何辅助下绘制具有大视差的新视角，同时也在深度易模糊时重建非朗伯效应。在多个数据集上的大量实验证明了该几何感知光场绘制框架的优越性能。