约翰霍普金斯大学的研究人员已经开发出一种有效的新方法，可以将模糊的图像变成清晰、锐利的图像。这种方法被称为渐进式去模糊辐射场(PDRF)，它使图像去模糊的速度比以前的方法快15倍，同时在合成和真实场景中都取得了更好的效果。
“通常情况下，图像模糊是因为自动对焦不能正常工作，或者相机或主体移动。我们的方法可以让你把那些模糊的图像变成清晰的三维图像，”约翰霍普金斯大学工程与医学人工智能实验室的博士后程鹏说。
“应用程序可以包括从虚拟和增强现实应用到电子商务的3D扫描，电影制作到机器人导航系统的所有应用程序，更不用说用于锐化和消除个人照片和视频的模糊了。”
彭与彭博电子和计算机工程及生物医学工程特聘教授拉玛·切拉帕(Rama Chellappa)合作开展该项目。他们的研究结果发表在第37届AAAI人工智能年会上。
通常，图像去模糊的过程包括两个步骤。首先，系统估计拍摄模糊图像的相机的位置，这使得它可以将2D图像插入3D场景。接下来，系统重建图像或照片中所描绘场景的更详细的3D模型。虽然这些传统方法通常是有效的，但它们有局限性，通常会导致人工制品——扭曲和异常——以及不完整的重建。神经辐射场(Neural Radiance Field, NeRF)是最近在三维图像重建领域发展起来的一种方法，它可以成功地获得逼真的结果，但前提是输入图像的质量要高。
相比之下，PDRF即使在低质量的输入图像下也能提供清晰、干净的图像。彭说，秘密在于，这种新方法不仅能够检测和减少输入照片中的模糊，而且在创建图像或场景的3D重建之前，还可以使用该团队所谓的“渐进式模糊估计模块”来锐化这些图像。
“PDRF基于神经网络，提供了一种快速的自监督技术，可以从输入的图像中学习，不需要手动输入训练数据。值得注意的是，它解决了各种类型的退化，包括相机抖动，物体移动和失焦场景，展示了它的多功能性，”他说。“换句话说，我们设计它是为了处理现实世界的情况和图像。”
例如，彭和他的团队正在与约翰霍普金斯医学院皮肤学系的研究人员合作，使用新的3D建模技术来增强对皮肤肿瘤的检测，特别是神经纤维瘤病:涉及大脑、脊髓和神经的肿瘤。
彭说:“在神经纤维瘤病的病例中，由于肿瘤的柔软和可变形的性质，传统的测量方法往往具有挑战性。”“我们正在进行的项目旨在通过创建精确的3D模型来解决这个问题，从而准确分析肿瘤的体积、位置和数量。这种创新的方法在远程医疗或远程医疗场景中具有特别的前景，患者可以使用自己的相机捕捉受影响的区域，这种方法有助于提高诊断的准确性。”
PDRF已经得到了情报高级研究项目活动(IARPA)变高度图像漫步渲染(WRIVA)计划的认可，该计划旨在开发软件系统，在具有可靠元数据的有限地面图像场景中执行站点建模。
“像这样的合同使我们能够在更大的城市范围内应用这些方法。这就是我们看到的未来发展方向，即大规模重建，并更多地向混合现实方向发展。”“未来，即使是业余摄影师拍摄的2D图像，人们也能以3D方式探索遥远的土地和城市。”
更多信息:程鹏等，PDRF:渐进式去模糊辐射场用于模糊图像的快速场景重建，AAAI人工智能会议论文集(2023)。引文:Pixel perfect:工程师的新方法将图像带入焦点(2024年3月18日)检索自2024年3月18日https://techxplore.com/news/2024-03-pixel-approach-images-focus.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
