TPAMI 2022 | 国防科大等高校提出光场解耦机制，在超分辨与视差估计任务上取得优异性能

光场相机可以通过记录光线的强度与方向信息将3维场景编码至4维光场图像。近年来，卷积神经网络被广泛应用于各项光场图像处理任务。然而，由于光场的空间信息与角度信息随空变的视差高度耦合，现有的卷积网络难以有效处理高维的光场数据。

鉴于此，该文提出了一种通用的光场解耦机制，通过设计一系列的解耦卷积将高维光场解耦至多个低维子空间，实现了光场数据的高效处理。基于所提解耦机制，该文针对空间超分辨、角度超分辨以及视差估计任务分别设计了DistgSSR、DistgASR以及DistgDisp三个网络。

实验结果表明该文所提网络能够在以上三个任务中取得一致优异的性能，验证了所提光场解耦机制的有效性、高效性与通用性。相关论文收录于IEEE TPAMI期刊，代码已开源。