本文介绍了一种基于机器学习的新方法，通过两个CNN对稀疏视角图像进行合成，显著提高了图像质量并降低了光场相机的角度分辨率需求。研究提出了全景神经辐射场模型和局部光场融合算法，解决了视图合成中的稀疏采样问题，推动了新场景表示技术的发展。

本文介绍了一种提升光场相机深度估计性能的深度解耦机制，通过改进特征提取器和网络结构实现最先进性能。还设计了块遍历角度超分辨率策略，减少内存使用量，具有更好的重建性能。

该研究利用光场相机拍摄的单幅图像进行三维场景重建，利用光场中的三维信息线索和滚动快门效应提供的运动信息，提供了一个通用模型和两阶段算法。实验结果表明该方法有效。