在CVPR 2024会议上，一项名为SCINeRF的创新研究引起了广泛关注。这项研究由来自清华大学的研究人员提出，旨在探索单曝光压缩成像（SCI）技术在从单张图像中重建三维场景方面的潜力。
SCI是一种成本效益高的方法，它使用低成本的2D成像传感器记录高维数据，如超光谱或时间信息，到单个图像中。通过使用一系列特殊设计的2D掩码，SCI不仅减少了存储要求，还提供了潜在的隐私保护。
SCINeRF的研究灵感来源于SCI的这些特点，以及神经辐射场（NeRF）在3D场景表示方面的强大能力。具体来说，他们将SCI的物理成像过程作为NeRF训练的一部分，从而能够利用其在捕捉复杂场景结构方面的出色表现。
为了评估其方法的有效性，研究人员在合成数据和使用SCI系统捕获的真实数据上进行了广泛的评估。实验结果表明，他们提出的方法是目前最先进的方法，在图像重建和新颖视角图像合成方面都取得了显著的性能提升。此外，他们的方法还展示了利用SCI和NeRF的渲染能力恢复高帧率多视角一致图像的能力。
然而，需要注意的是，尽管SCINeRF在实验中表现出色，但在实际应用中可能面临一些挑战。首先，SCI系统的设计和优化可能需要更多的研究和探索。其次，将SCI与NeRF结合使用时，可能需要解决一些技术挑战，如训练效率和模型泛化性等。
