雷清桦，杨婷

（四川大学计算机学院，成都610065）

0 引言

随着近年来沉浸式虚拟现实技术的发展，沉浸式投影系统在大型虚拟现实场景和各个领域得到了越来越广泛的应用。但是，长期以来在这些场景中存在着一个重要而又经常被忽视的问题，那就是沉浸式投影系统的互反射问题。在所有的沉浸式投影系统中几乎都存由于不规则的投影屏幕而造成的互反射现象，这严重地降低了投影图像的质量和场景的逼真度。这些问题常常成为投影机系统推广的瓶颈，阻碍了虚拟现实项目的实施。

典型的沉浸式投影系统包括一对投影仪-摄像机（pro-cam）系统和一个放置在适当距离和方向上的曲面屏幕（图1）。现有的方法大多是先建立数学几何模型，然后再寻找光的传播函数和反射函数[2,4,6-7]来解决这一问题。但是现行的方法存在着一个问题，即光传输矩阵通常维度很大，对大型矩阵求逆是一个复杂的问题，并且大型矩阵的逆可能会不存在，会造成补偿图片的质量严重下降。

近年来，随着深度学习的技术的不断发展，已经被广泛地运用到了计算机视觉领域，如图像增强、人脸识别和智能安防等。鉴于深度学习技术在图像增强领域取得的巨大成功[1,3]，本文提出了一种全新的端到端的深度学习算法来进行互反射补偿。这种方法能够有效避免大型光传输矩阵的计算，使用卷积神经网络对光照特征进行提取，提高补偿模型的泛化性和通用性。

图1沉浸式投影系统