「AI新青年講座」將邀請世界頂尖AI研究機構和大學的科研新青年，主講他們在計算機視覺、機器學習等人工智能領域的最新重要研究成果。

AI新青年是加速人工智能前沿研究的新生力量。AI新青年的視頻講解和直播答疑，將可以幫助大家增進對人工智能前沿研究的理解，相應領域的專業知識也能夠得以積累加深。同時，通過與AI新青年的直接交流，大家在AI學習和應用AI的過程中遇到的問題，也能夠盡快解決。

「AI新青年講座」目前已完結196講；有興趣分享學術成果的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。

神經輻射場NeRF作為一種通用的場景表達, 已經得到越來越多研究者的注意。給定幾張不同視角下的圖片, 就能重建出一個非常精細的場景。然而在實際應用中, 經常會遇到輸入圖像存在不同種類的退化問題, 比如在野外環境中，采集圖像常常因為移動或者失焦而模糊，這會顯著降低重建質量。而如何在這些非理想狀態的輸入下，實現精細化NeRF三維重建是一個值得研究的問題。

針對這些問題，來自香港科技大學的馬力博士等人，在CVPR 2022 中，提出了第一種在模糊的輸入下，也能實現精細化NeRF重建的方法，即Deblur-NeRF。該方法通過模擬模糊過程來重建模糊視圖，從而使 NeRF 對模糊輸入具有魯棒性。模擬的核心是一個Deformable Sparse Kernel（DSK）模塊，它通過在每個空間位置對規范稀疏核進行變形來對空間變化的模糊核進行建模。這個模塊被編碼為MLP來適應不同的模糊類型。

實驗證明，該方法可以同時用于相機運動模糊和散焦模糊這兩種真實場景中最常見的模糊類型。并證明了與原來的NeRF相比，重建質量顯著提高。

3月9日晚7點，AI新青年講座第197講邀請到香港科技大學在讀博士馬力參與，主講《非理想輸入下的精細化NeRF三維重建》。

講者
 馬力，香港科技大學在讀博士，浙江大學本科；主要研究方向為神經渲染；Deblur-NeRF第一作者，在CVPR、SIGGRAPH ASIA會議中發表過數篇論文。

第197講

主 題
《非理想輸入下的精細化NeRF三維重建》

提 綱
1、非理想狀態下的NeRF三維重建難點
2、傳統的圖像和視頻去模糊方法概覽
3、針對運動模糊和失焦的精細Deblur-NeRF
4、NeRF的未來發展方向探討

直 播 信 息
直播時間：3月9日19:00
直播地點：智東西公開課知識店鋪

成果
《Deblur-NeRF: Neural Radiance Fields from Blurry Images》
//arxiv.org/abs/2111.14292
//limacv.github.io/deblurnerf