新闻动态

传统光学成像无法感知拐角或遮挡物后的场景，形成了信息获取的“盲区”。非视域成像技术能够重建隐蔽目标，在自动驾驶、公共安防、灾难救援等领域具有广阔前景。然而，现有方法依赖大面积平坦墙面、规则稠密的采样网格，难以适用于真实场景中空间有限、形状任意、采样稀疏的中介面，严重制约了该技术的实用化。

针对以上瓶颈问题，本课题组与清华大学丘成桐数学科学中心合作，首次提出了非视域成像的3D高斯渲染框架，以“Non-line-of-sight imaging with arbitrary relay surface geometries via 3D Gaussian Transient Rendering”为题，在计算机图形学国际顶级会议SIGGRAPH 2026做口头报告。

新方法采用3D高斯基元参数化隐藏场景，构建了完全可微分的物理瞬态渲染模型，实现了从原始瞬态信号到场景重建的端到端优化。该方法无需中介面几何假设，在平面、非共焦及任意曲面等复杂中继条件下，重建精度与鲁棒性均显著优于现有方法，推理速度亦大幅提升。进一步针对自动驾驶的“鬼探头”问题，进行了解决方案原型演示，为车载非视域感知提供了可行的技术路径。

报告信息：https://s2026.conference-schedule.org/presentation/?id=papers_803&sess=sess147

会议论文：https://doi.org/10.1145/3799902.3811137