我所一篇关于新视角合成任务的工作被国际顶级期刊Neural Networks录用

发布时间：2026年4月20日

       由我所师生合作完成的一篇论文Consistency Guided Multiple Plane Image Construction for Novel View Synthesis被CCF B类国际顶级期刊Neural Networks（NN）录用，该论文由我所吕一昌、高晨、陈佳俊在张硕老师、林友芳老师的指导下共同完成。

      多平面图像在新视角合成任务中展现出良好的应用潜力，其通用化表征形式使其能够在未知场景中具备较强的推理能力。然而，现有基于多平面图像的方法在遮挡建模与复杂场景理解方面仍存在不足，同时通常依赖较多的深度平面和较高的计算开销，限制了其实用性。针对上述问题，本文提出一种一致性引导的多平面图像构建方法，用于提升新视角合成性能。不同于已有方法对各深度平面进行并行预测，本文采用逐层串行的方式构建多平面图像，并在构建过程中不断累积一致性信息。具体而言，本文首先设计跨视角一致性掩码，将前景遮挡信息引入分层构建过程，以增强模型对遮挡区域的感知能力；进一步提出跨层一致性掩码与深度引导策略，将更合理的场景上下文信息融入多平面图像生成过程，从而提升对场景几何结构的理解与表征能力。最终，本文实现了兼顾遮挡建模能力、几何结构感知能力与计算效率的多平面图像构建。大量在 Spaces 和 Real Forward-Facing 数据集上的实验结果表明，本文方法在新视角合成及多帧去噪任务中均取得了优于现有方法的性能，并在较低计算开销下达到了先进水平。在具有挑战性的稀疏视角场景中，本文方法表现出良好的综合性能与应用潜力。