喜报 | 我所两篇关于光场图像处理论文被国际顶级会议ICCV2025录用

发布时间：2025年7月1日

      近日，计算机视觉方向国际顶级会议ICCV 2025公布录用结果，由我所博士生高晨、张硕老师和林友芳老师共同完成的两篇论文被大会录用。ICCV是CCF推荐的A类国际学术会议，属于视觉三大会之一，录用论文的相关信息如下：

      论文一

      Exploring View Consistency for Scene-Adaptive Low-Light Light Field Image Enhancement

      光场图像蕴含的固有结构信息使其在诸多应用中展现出重要价值。然而，低质量的光场图像，尤其是在低光环境下捕获的图像，会严重制约相关应用的性能。尽管已有大量算法被提出，但现有方法仍存在两个关键局限：其一，基于学习的光场低光增强方法通常针对特定光照条件设计，限制了其在真实多变场景下的泛化能力；其二，低光输入常伴有显著噪声，现有方法在增强过程中难以有效保持图像固有的视图一致性。针对上述挑战，我们提出了一种光照感知的低光恢复网络架构，首次通过端到端训练实现了动态变化照度下的图像恢复。具体而言，基于Retinex理论，我们设计了一种可嵌入的光照感知模块。该模块通过融合光场图像的全局与局部信息，实现了对场景光照的动态感知。此外，基于光场照度图的视图一致性特性，我们创新性地设计了一种自监督视图一致性损失函数，引入视角一致性约束，有效保证了恢复结果的结构完整性。在固定照度和动态照度下的实验中，本文方法的恢复效果相较于现有技术有了显著的提升。

      论文二

      Epipolar Consistent Attention Aggregation Network for Unsupervised Light Field Disparity Estimation

      视差估计是光场图像处理与分析的关键步骤，现有方法通常通过构建代价体的方式来捕获其所蕴含的场景深度信息。然而，构建代价体需在预设的最大视差范围内计算对应关系，这限制了其处理大视差场景的能力。不同于代价体方法，自注意力机制通过计算极线间的视差注意力来寻找匹配点。然而，将自注意力机制应用于光场图像的视差估计仍面临两个主要挑战：(1)视差尺度不一致性：光场各视图的基线长度（相对于中心视点）存在差异，导致视差注意力的相关尺度各不相同，使得不同视角的视差信息难以直接融合。(2)遮挡问题：场景遮挡关系在各视图中表现不同。若某视图中的匹配信息被遮挡，则需借助其他视图来探索该区域的视差信息。针对上述挑战，我们提出了一种无监督的极线一致注意力聚合网络。首先，基于一致性考量，我们设计了极线一致尺度归一化模块，对视差注意力图的视差尺度进行标准化处理。其次，深入挖掘视差注意力的内在属性及其相互关系，我们进一步提出了一致无遮挡聚合模块，用于感知并融合无遮挡区域的信息。在多个主流光场数据集上，尤其是在大基线场景下的实验表明，本文方法相较于现有技术的性能有显著的提升。