今年來溫哥華參加的siggraph也是第二次參加這種檔次的會議，我比較關注計算影像學。

1. Centimeter-Wave Free-Space Time-of-Flight Imaging

深度相機正在成為一種基石模式，具有直接或間接依賴于測量深度的多種應用，包括個人設備、機器人和自動駕駛汽車。盡管飛行時間 （ToF） 方法推動了這些應用，但 ToF 方法的精度和魯棒性受到依賴于光子時間標記或光轉換后調制的限制。成功的光調制方法有大耦合損耗的受限光纖耦合調制或亞厘米范圍的干涉調制，干涉方法與ToF方法之間的精度差距超過三個數量級。在這項工作中，我們縮小了這一差距，并提出了一種用于光轉換前的全光學自由空間相關的計算成像方法，該方法通過傳統的硅強度傳感器實現了微米級深度分辨率，并對表面反射率和環境光具有魯棒性。為此，我們解決了兩個技術挑戰：以 GHz 速率調制和計算相位展開。我們提出了一種具有諧振偏振調制器的成像方法，并設計了一種新穎的光學雙通倍頻，可在超過 10GHz 時實現高調制對比度。同時，厘米波調制以及較小的調制帶寬使現有的相位展開方法無效。我們使用一種神經相位展開方法來解決這個問題，該方法利用相鄰的包裹通常高度相關。我們在模擬和實驗中驗證了所提出的方法，它達到了微米級的深度精度。我們展示了獨立于表面紋理和環境光的精確深度感應，并與現有的模擬解調方法進行了比較，我們在所有測試場景中都表現出色。

2. Blending Camera and 77 GHz Radar Sensing for Equitable， Robust Plethysmography.

隨著因 COVID-19 大流行而導致的非接觸式生命體征傳感的復蘇，遠程心率監測已獲得顯著的重視。許多現有方法使用相機；然而，之前的工作顯示較深膚色的性能損失。在本文中，我們通過光傳輸分析表明，相機模式從根本上偏向于較深的膚色。我們建議通過多模態融合與互補和更公平的模態——雷達來減少這種偏差。通過一種新穎的面向去偏的融合框架，我們在所有測試基線上實現了性能提升，并在 RGB 模態上實現了膚色公平性改進。此外，與基于雷達的方法相比，性能得到了改進，但公平性方面的權衡很小。我們還開源了最大的多模式遠程心率估計數據集，其中包括配對相機和雷達測量，重點是膚色表示。

3. Seeing Through Obstructions With Diffractive Cloaking

我們提出了一種計算單目相機，它可以在光學上隱藏不需要的障礙物，例如鏡頭蓋玻璃上的雨滴或污漬，或相機附近的柵欄。我們沒有在捕獲后修復被遮擋的信息，而是學習了一個定制的衍射光學元件，當它放置在相機鏡頭前時，它充當了一個與深度相關的散射體。學習到的光學元件位于現有相機設置的孔徑平面上，并產生一個點擴散函數，為近距離物體提供大空間支持，將光線從焦點處散射出去。同時在不增加相機占用空間的情況下保持長距離的空間分辨率。結合光學元件，我們共同優化了一個基于特征的深度學習重建網絡來恢復通暢的圖像。

4. Optical Aberrations Correction in Postprocessing Using Imaging Simulation

隨著移動攝影的不斷普及，人們正在投入大量精力來重建退化的圖像。由于在鏡頭設計過程中無法避免的光學像差的空間變化，最近的商用相機已將其中一些校正任務從光學設計轉移到后處理系統。然而，在不涉及光學參數的情況下，這些系統只能實現有限的像差校正。

在這項工作中，我們提出了一種實用的方法來恢復由光學像差引起的退化。具體來說，我們建立了基于我們提出的光學點擴散函數模型的成像模擬系統。給定相機的光學參數，它會生成這些特定設備的成像結果。為了進行恢復，我們在成像模擬系統生成的合成數據對上設計了一個空間自適應網絡模型，消除了通過大量拍攝和配準捕獲訓練數據的開銷。

此外，我們分別使用定制的數字單鏡頭反光相機鏡頭和 HUAWEI HONOR 20 在模擬和實驗中全面評估了所提出的方法。實驗表明，我們的解決方案成功地消除了空間變化的模糊和色散。與最先進的去模糊方法相比，所提出的方法以更低的計算開銷實現了更好的結果。此外，重建技術沒有引入人工紋理，便于移植到當前的商用相機中。