迈向非视距摄影

非视距（NLOS）成像基于捕获来自隐藏物体的多次弹射间接反射。主动 NLOS 成像系统依赖于捕获光在场景中飞行的时间，并已显示出在无需专门场景设置和先验假设的情况下准确且鲁棒地重建隐藏场景的巨大前景。尽管现有方法能以优异的深度分辨率重建隐藏场景的 3D 几何，但以高横向分辨率准确恢复物体纹理与外观仍是一个具有挑战性的问题。在这项工作中，我们提出了一种称为 NLOS 摄影的新问题表述，以专门解决这一不足。我们的方法不执行 3D 场景几何的中间估计，而是遵循数据驱动方法，直接重建 NLOS 场景的 2D 图像，其密切类似于从中继墙位置用常规相机拍摄的图片。该表述通过绕过 3D 几何的显式建模，大幅简化了这一具有挑战性的重建问题，并使得能够用相对较小的训练数据集学习深度模型。结果是具有前所未有的横向分辨率和图像质量的 NLOS 重建。