MiNL：基于微图像的神经光场表示
计算机视觉与模式识别
2022-09-20 v1
摘要
光场的传统表示可分为两类：显式表示与隐式表示。与将光场表示为基于子孔径图像（SAI）的阵列或基于微图像（MI）的透镜图像等的显式表示不同，隐式表示将光场视为神经网络，本质上是一种相对于离散显式表示的连续表示。然而，目前几乎所有光场隐式表示都利用SAI训练MLP以学习从4D空间-角度坐标到像素颜色的逐像素映射，既不紧凑也不低复杂。相反，本文提出MiNL，一种新颖的基于MI的逐微图像隐式神经光场表示，其训练MLP+CNN学习从2D MI坐标到MI颜色的映射。给定微图像坐标，MiNL输出对应微图像的RGB值。MiNL中的光场编码仅是训练神经网络回归微图像，解码过程为简单的前向操作。相较于常见的逐像素隐式表示，MiNL更紧凑高效，具有更快解码速度（\textbf{80180}加速）以及更好视觉质量（平均\textbf{14dB} PSNR提升）。
引用
@article{arxiv.2209.08277,
title = {MiNL: Micro-images based Neural Representation for Light Fields},
author = {Hanxin Zhu and Henan Wang and Zhibo Chen},
journal= {arXiv preprint arXiv:2209.08277},
year = {2022}
}