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。

该研究提出了一种利用滚动快门传感器的光场相机拍摄的图像进行三维场景重建的方法。通过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，该方法能够最小化重新投影误差，并提供一种瞬时的三维形状-姿态-速度感知范例。研究还提供了一个新的基准数据集，用于评估和跟踪该领域的进展。

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。