RealLiFe：基于分层稀疏梯度下降的实时光场重建
计算机视觉与模式识别
2026-05-07 v5
摘要
随着扩展现实(XR)技术的兴起，从稀疏视角输入实时重建光场的需求日益增长。现有方法可分为离线技术（能生成高质量新视角但推理/训练时间长）与在线方法（缺乏泛化性或结果不尽人意）。然而，我们观察到多平面图像(MPI)的内在稀疏流形可在保持渲染质量的同时显著加速光场重建。基于该洞见，我们引入\textbf{RealLiFe}这一新型光场优化方法，其利用所提分层稀疏梯度下降(HSGD)从稀疏输入图像实时生成高质量光场。技术上，首先用3D CNN生成场景的粗MPI，随后仅利用与场景内容对齐的稀疏MPI梯度在少量迭代中进一步优化。大量实验表明，我们的方法取得了可比的视觉质量，同时平均比最先进离线方法快100倍，且相较于其他在线方法具有更优性能（PSNR高出约2 dB）。
引用
@article{arxiv.2307.03017,
title = {RealLiFe: Real-Time Light Field Reconstruction via Hierarchical Sparse Gradient Descent},
author = {Yijie Deng and Lei Han and Tianpeng Lin and Lin Li and Jinzhi Zhang and Lu Fang},
journal= {arXiv preprint arXiv:2307.03017},
year = {2026}
}
备注
Accepted by IEEE TPAMI