新闻动态

现有的非视域主流算法大多将测量数据与隐藏场景表示为三维体素，忽视了非视域成像本质上仅能重建二维可见表面的物理事实，导致计算量和内存开销急剧攀升。这使得现有方法在面对实际任务，尤其是高分辨率成像场景时，难以兼顾实时性与部署灵活性，已成为制约该技术走向实际应用的核心瓶颈。

本课题组与清华大学丘成桐数学科学中心合作，突破了传统三维体素重建的计算范式，以“Fast and Memory-efficient Non-line-of-sight Imaging with Quasi-Fresnel Transform”为题发表于Optica。https://doi.org/10.1364/OPTICA.604217

该工作的核心创新在于：将隐藏物体的反射率与深度信息降维表征为二维函数，并由此提出准菲涅尔变换，在瞬态测量数据与隐藏场景之间建立直接的二维映射关系。这一数学变换将三维逆问题简化为二维求解，从根源上消除了高冗余计算，大幅降低了计算复杂度与内存占用。

团队在多个公开数据集上对该方法进行了验证。对于1024×1024高分辨率重建任务，该方法的运行时间不足1s，内存占用低于50 MB，相较已有方法（耗时~100s，内存占用~100GB）实现了数量级跨越。该工作提供了一种兼具速度与内存优势的显式重建算法，为非视域成像技术在移动终端、嵌入式平台及专用光学硬件上的高时效部署开辟了新路径。

新闻推送：https://mp.weixin.qq.com/s/sWSiJa_xaLTe0MoiHc2nzg