约翰·霍普金斯大学的研究人员开发了一种有效的新方法，可以将模糊图像变成清晰锐利的图像。这种方法称为渐进式去模糊辐射场(PDRF)，其去模糊图像的速度比以前的方法快15倍，同时在合成场景和真实场景上都取得了更好的结果。

“通常情况下，图像模糊是因为自动对焦无法正常工作，或者相机或拍摄对象移动。我们的方法可以让你将这些模糊的图像转换成清晰的三维图像，”博士后研究员程鹏说。约翰·霍普金斯大学工程和医学人工智能实验室。

“应用程序可以包括从虚拟和增强现实应用程序到电子商务的3D扫描、电影制作到机器人导航系统的所有内容，更不用说仅仅用于锐化和去模糊个人照片和视频了。”

彭与顾问拉玛·切拉帕(RamaChellappa)一起参与该项目，后者是彭博社电气和计算机工程以及生物医学工程杰出教授。他们的研究结果发表在第37届AAAI人工智能年会的会议记录中。

通常，图像去模糊的过程涉及两个步骤。首先，系统会估计拍摄模糊图像的摄像机的位置，从而将2D图像插入到3D场景中。接下来，系统重建图像或照片中所描绘场景的更详细的3D模型。虽然通常有效，但这些传统方法具有局限性，通常会导致伪影(扭曲和异常)以及不完整的重建。神经辐射场(NeRF)是3D图像重建领域的最新发展，它成功地实现了逼真的结果，但前提是输入图像具有良好的质量。

相比之下，即使输入图像质量较低，PDRF也可以提供清晰、干净的图像。Peng表示，秘密在于，新方法不仅能够检测和减少输入照片中的模糊，还能够在创建图像的3D重建或场景。

“PDRF基于神经网络，提供一种快速的自我监督技术，可以从输入的图像本身中学习，不需要手动输入训练数据。值得注意的是，它解决了各种类型的退化问题，包括相机抖动、物体移动和输出焦点场景，展示其多功能性，”他说。“换句话来说，我们设计它是为了处理现实世界的情况和图像。”

例如，Peng和他的团队正在与约翰霍普金斯大学医学院皮肤科的研究人员合作，利用新的3D建模技术来增强对皮肤肿瘤的检测，特别是神经纤维瘤病：涉及大脑、脊髓、和神经。

“对于神经纤维瘤病，由于肿瘤柔软且可变形，传统的测量方法往往具有挑战性，”彭说。“我们正在进行的项目旨在通过创建精确的3D模型来解决这个问题，从而能够准确分析肿瘤体积、位置和数量。这种创新方法在远程医疗或远程医疗场景中具有特别的前景，患者可以使用自己的摄像头捕捉受影响的区域这种方法有利于提高诊断准确性。”

PDRF已获得情报高级研究项目活动(IARPA)的变海拔图像演练渲染(WRIVA)计划的认可，该计划旨在开发软件系统，以在有限数量的地面图像的场景中执行场地建模。可以获得可靠的元数据。

“这样的合同使我们能够在更大的城市范围内应用这些方法。这就是我们看到的未来方向，即大规模重建，并更多地进入混合现实方向，”他说。“未来，人们将能够基于业余摄影师拍摄的2D图像以3D方式探索遥远的土地和城市。”