随着元宇宙技术的发展，光场技术引起了越来越多研究人员的极大关注。利用光场技术，可以为元宇宙创作更多的数字内容。然而，如何低成本地获取高质量的光场数据是一个巨大的挑战。首先，光场相机价格高昂，且视场角有限，在小场景中性能最佳，当前基于光场相机采集的光场数据集视差在[−10, 10] 像素范围内，很难将训练后的视差计算模型拓展到无人驾驶等大视差场景，限制了光场相机的应用场景；其次，球形布置的Light Stage 平台不仅价格昂贵，还面临复杂的标定问题，且体积庞大，不够灵活。虚拟仿真系统作为替代方案可以极大降低成本和复杂度，同时能够生成任意尺度的虚拟场景。但是，仿真数据最大的问题在于失真，无论是动力学模型还是表面材料属性，都严重依赖人为经验，容易导致较大的误差。
针对上述问题，本文构建了平行传感系统，提出平行光场的解决方案。首先，针对光场相机采集的数据视差范围小的问题，在仿真软件中构建虚拟的光场相机阵列，相机的内外参数都可独立调节，可生成大规模的仿真光场相机阵列数据集。其次，为了增强虚拟仿真数据的真实性，提出一种真实到虚拟迁移的现实增强算法，以学习的方式获取物体表面材料属性，并用来初始化仿真系统，提升仿真数据的真实感。

本文的主要工作如下：
(1) 基于平行智能理论，构建了虚实交互的平行传感系统，并设计了平行光场平台。在平行传感框架中，传感器被重新定义为真实物理传感器和基于平行智能的虚拟软件定义传感器的整合，通过构建虚拟传感器将小的真实数据扩展到大的虚拟数据，进而提升感知模型的性能。
(2) 针对当前光场数据集的小视差的不足，本文基于平行传感系统，提出一种平行光场相机数据采集方案，获取具有大视差范围的多光照场景阵列图像。充分利用光场相机的更强的场景结构获取优势，探索针对大视差范围的光场视差计算性能。基于Transformer 分别设计两阶段的光场视差计算网络Trans-Disp 和面向任意光场相机排列的光场角度超分网络Trans-SR。在光场视差计算任务中，引入Transformer 充分挖掘光场相机图像阵列各视角之间的相关性。在光场角度超分任务中，首次面向不规则的相机排列开展角度超分任务。实验结果证明了所提方法的有效性。
(3) 针对平行光场仿真数据的失真问题，提出一种真实到虚拟迁移的仿真数据现实增强方法RSRT。通过计算由平行光场物理平台采集的多视角高清图片，设计实时级的材料属性估计算法，所得材料属性用于初始化虚拟仿真软件
Blender，并渲染。将Blender 引入材料估计网络中同步更新，直至渲染得到的仿真图像与输入的真实世界图像差异在预设阈值范围内。在材料估计网络收敛后，引入新的光照图，采集多视角的重光照数据。将所采集数据用于训练人脸重光照网络SIPR，结果证明，相较于纯仿真数据，经过RSRT 增强的算法具有更多的
真实感，能显著提升SIPR 的峰值信噪比PSNR。
(4) 面向基于多视角输入的新视角合成任务中的遮挡问题，提出基于条件概率分布的可见性计算方法。该方法用于计算目标视角与输入各视角之间的可见性，将可见性作为权重，应用于目标视角的特征融合。不同于基准方法Neuray指定沿着目标视角与输入视角光线的可见性为特定的Softmax 分布，本文的可见性分布基于条件概率，通过归一化流的方法推演得到，因此更具灵活性。实验结果论证了所提方法的有效性。
综上所述，本文在平行传感的系统框架下开展光场领域的关键技术的研究。虚拟光场相机系统的构建可以弥补物理光场相机的适用任务单一、视差范围小的不足；真实到虚拟迁移的现实增强方法，将物理世界的光照、材质和反射属性迁移到虚拟环境，增强平行光场仿真数据的真实感；以重光照和视角合成任务为计算实验的方法对基于平行传感的光场数据生成方法进行了验证，证明了所提方法的有效性。