每张图像都有光学指纹点扩散函数建模方法
你知道吗？图像里其实藏着一种“隐形信息”，这是它独属于自己的“光学指纹”。
这些指纹，在悄悄透露拍摄设备的信息。现在，我们有办法把这个隐藏的光学指纹提取出来。
斯坦福和Google的研究团队提出了一种新方法，叫Lens Blur Fields（镜头模糊场），它能快速学习一台设备的光学模糊特征，换句话说：
通过分析模糊，就能识别设备、修复图像，甚至重建真实的景深效果。
这项研究的核心点在于建模PSF（Point Spread Function，点扩散函数）——它描述了一个理想点光源经过镜头系统后在图像中被“模糊成什么样”。现实中，PSF会因为各种原因发生变化：
- 焦距不同、镜头对焦位置不同
- 画面中位置不同（中心、边缘模糊程度不一样）
- 镜头制造差异、微小的装配偏差等等
而这套方法用一个小型神经网络（MLP）来拟合这个复杂、高维度的模糊变化，过程如下：
- 采集方式：只需要一台显示器 + 手机支架，拍几组不同焦段的屏幕图案；
- 训练过程：通过非盲去卷积反推PSF，几分钟就能出结果；
- 最终输出一个连续的、设备特定的PSF模型，这就是所谓的Lens Blur Field。
这个模型能做什么？
- 设备识别：即使是同一型号的手机（比如两台iPhone 12 Pro），模糊指纹也能精确区分；
- 图像修复：用“知道是谁拍的”这个前提，来更好地还原图像细节；
- 真实渲染：在合成景深、渲染3D场景时，生成符合该镜头真实特性的模糊效果；
- 数据分析/法医图像：识别图像拍摄设备、检测图像篡改等。
团队还会公开首个5D/6D模糊场数据集，覆盖智能手机和单反镜头，让设备级图像建模变得标准化。
感兴趣的小伙伴可以点击：blur-fields.github.io
