被写界深度とモーションブラーの組み合わせ計算を高速化！「Laplacian Kernel Splatting for Efficient Depth-of-field and Motion Blur Synthesis or Reconstruction（高效的被写界深度与运动模糊合成或重建的拉普拉斯核点绘）」SIGGRAPH技术论文
SIGGRAPH 2018: Laplacian Kernel Splatting for Efficient Depth-of-field and Motion Blur
对被写界深度和运动模糊的组合进行模拟，是合成图像达到电影级质量的重要因素，但有时计算时间会很长。对每个像素的点扩散函数（PSF）进行点绘是常见方法，虽然能提供高质量，但计算时间非常长。我们通过两个步骤来加速这一过程：在预处理阶段，我们优化了所有可能的 PSF 的拉普拉斯稀疏表示，我们称之为 spreadlet。运行时，spreadlet 可以高效地点绘到图像的拉普拉斯上。通过对这幅图像进行积分即可得到最终结果。我们的方法能够忠实地适配强烈运动和大范围离焦区域，在速度和质量上都优于离线和交互式方法。它既可用于从针孔相机合成，也可用于从概率图像重建，并且不论是否分层都适用
要是能尽快实用化就好了啊