港科大在读博士马力：非理想输入下的精细化 NeRF 三维重建

　　「AI 新青年讲座」将邀请世界顶尖 AI 研究机构和大学的科研新青年，主讲他们在计算机视觉、机器学习等人工智能领域的最新重要研究成果。

　　AI 新青年是加速人工智能前沿研究的新生力量。AI 新青年的视频讲解和直播答疑，将可以帮助大家增进对人工智能前沿研究的理解，相应领域的专业知识也能够得以积累加深。同时，通过与 AI 新青年的直接交流，大家在 AI 学习和应用 AI 的过程中遇到的问题，也能够尽快解决。

　　「AI 新青年讲座」目前已完结 196 讲；有兴趣分享学术成果的朋友，可以与智东西公开课教研团队进行邮件（class@zhidx.com）联系。

　　神经辐射场 NeRF 作为一种通用的场景表达 , 已经得到越来越多研究者的注意。给定几张不同视角下的图片 , 就能重建出一个非常精细的场景。然而在实际应用中 , 经常会遇到输入图像存在不同种类的退化问题 , 比如在野外环境中，采集图像常常因为移动或者失焦而模糊，这会显著降低重建质量。而如何在这些非理想状态的输入下，实现精细化 NeRF 三维重建是一个值得研究的问题。

　　针对这些问题，来自香港科技大学的马力博士等人，在 CVPR 2022 中，提出了第一种在模糊的输入下，也能实现精细化 NeRF 重建的方法，即 Deblur-NeRF。该方法通过模拟模糊过程来重建模糊视图，从而使 NeRF 对模糊输入具有鲁棒性。模拟的核心是一个 Deformable Sparse Kernel（DSK）模块，它通过在每个空间位置对规范稀疏核进行变形来对空间变化的模糊核进行建模。这个模块被编码为 MLP 来适应不同的模糊类型。

　　实验证明，该方法可以同时用于相机运动模糊和散焦模糊这两种真实场景中最常见的模糊类型。并证明了与原来的 NeRF 相比，重建质量显著提高。

　　3 月 9 日晚 7 点，AI 新青年讲座第 197 讲邀请到香港科技大学在读博士马力参与，主讲《非理想输入下的精细化 NeRF 三维重建》。

　　讲者

　　马力，香港科技大学在读博士，浙江大学本科；主要研究方向为神经渲染；Deblur-NeRF 第一作者，在 CVPR、SIGGRAPH ASIA 会议中发表过数篇论文。

　　第 197 讲

　　主 题

　　《非理想输入下的精细化 NeRF 三维重建》

　　提 纲

　　1、非理想状态下的 NeRF 三维重建难点

　　2、传统的图像和视频去模糊方法概览

　　3、针对运动模糊和失焦的精细 Deblur-NeRF

　　4、NeRF 的未来发展方向探讨

　　直 播 信 息

　　直播时间：3 月 9 日 19:00

　　直播地点：智东西公开课知识店铺

　　成果

　　《Deblur-NeRF: Neural Radiance Fields from Blurry Images》

　　https://arxiv.org/abs/2111.14292

　　https://limacv.github.io/deblurnerf