Radiance Fields from Photons

神经辐射场（NeRFs）已成为从多个视角捕获的图像进行高质量视图合成的事实标准方法。然而，在野外环境下捕获图像时，仍存在许多问题，例如低光、高动态范围或快速运动导致的模糊重建和明显的伪影。在这项工作中，我们介绍了量子辐射场，这是一种新型的神经辐射场，使用单光子相机（SPCs）以单个光子的粒度进行训练。我们开发了理论和实际的计算技术，用于构建辐射场和从SPCs捕获的非传统、随机和高速二进制帧序列估计密集的相机姿态。我们通过模拟和SPC硬件原型演示了在高速运动、低光和极端动态范围设置下的高保真重建。

使用单光子相机（SPC）捕获的图像在野外条件下存在诸多问题，如低光、高动态范围或快速运动等，导致重建图像出现明显伪影。本文旨在提出一种新的神经辐射场（NeRFs）类别，即量子辐射场（quanta radiance fields），并使用SPCs进行单光子粒度的训练，以实现高保真重建。

本文提出的量子辐射场是通过SPC捕捉的单光子粒度的训练得到的，可解决在野外条件下捕捉的图像存在的诸多问题，包括低光、高动态范围或快速运动等。同时，本文还提出了一种实用的计算技术，用于从SPCs捕获的非传统、随机和高速二进制帧序列中构建辐射场和估计密集相机姿态。

本文的亮点在于提出了一种新的神经辐射场类别，即量子辐射场，并使用SPCs进行单光子粒度的训练，以实现高保真重建。实验结果表明，该方法可以在高速运动、低光和极端动态范围设置下实现高保真重建。本文还提出了一种实用的计算技术，用于从SPCs捕获的非传统、随机和高速二进制帧序列中构建辐射场和估计密集相机姿态。

最近在相关领域中，也有一些相关研究。例如，2019年的论文“NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis”提出了一种新的方法，使用神经辐射场来合成高质量的视图。还有一些研究关注于如何从低光条件下的图像中提取信息，如2020年的论文“Low-Light Image Enhancement Using Gaussian Mixture Model and Contrast Stretching”。