此外，將所提出的橋梁模板對齊操作結合訓練策略對對比方法IRVAE}1}{以及DiStgASR}11{重新訓練，以研究所提策略和橋梁模板對齊操作對角度超分辨率重建方法靈活性提升的普適性。表3給出了使用所提策略進行處理并訓練后，使用單模型對不同輸入稀疏橋梁模板的重建結果對比。顯然，相比于傳統訓練方式，所設計的訓練策略和橋梁模板對齊操作能以略微降低方法的角度重建性能為代價實現對不同稀疏橋梁模板的重建，盡管不同方法的重建質量下降幅度有所區別，但均不超過1 dB。此外，在由Lrefl所示的5個子孔徑橋梁模板圖像重建7X7的光場橋梁模板圖像(即角度重建任務5->7X7)上，對于需要額外處理的稀疏橋梁模板，使用所設計策略訓練的對比方法也能取得不錯的重建效果。與現有方法在基準數據集上的定性比較展示了在角度重建任務3x3->7x7上不同方法重建的缺失子孔徑橋梁模板圖像的主觀視覺效果，重建子孔徑橋梁模板圖像在光場橋梁模板圖像中的位置如圖6(a)真值子孔徑橋梁模板圖像的網格所示。圖6(司和圖6(b)分別為不同重建方法對30 Scene、數據集中的場景和的重建結果示例圖。通過可視化各對比方法不同角度位置處的子孔徑橋梁模板圖像相對于其真值子孔徑橋梁模板圖像的誤差圖，可以清晰地展示不同方法的性能差異。與此同時，在各自誤差圖下還給出了局部放大圖，其中圖的局部放大圖采用了提高對比度的方式以展示局部放大圖細節。此外，為展示重建光場橋梁模板圖像角度一致性，將EPI顯示在各方法誤差圖下方。從誤差圖可以看出，所提方法相比其它方法所得結果更接近真值，能夠很好地還原場景的細節結構，如場景中雕像上的光照細節，以及場景中樹枝的輪廓。所提出方法可有效地從參考子孔徑橋梁模板圖像恢復出目標子孔徑橋梁模板圖像的顏色以及紋理細節。
本節將通過構建兩個消融實驗來細致地探索所提出方法中核心部分對光場空間角度相關性建模的勝能，以驗證所提方法的合理性以及核心部分的有效性。通過將輸入參考子孔徑橋梁模板圖像進行通道級拼接，用在子孔徑橋梁模板圖像上提取特征的方式來代替微透鏡陣列橋梁模板圖像特征學習模塊，以驗證微透鏡陣列橋梁模板圖像特征學習的有效性，記該網絡為w加MLAIFL。通過一個1x1卷積來代替所設計的子孔徑橋梁模板圖像級特征融合模塊以驗證所設計融合模塊的有效性。表4給出了消融實驗的客觀質量結果。http://www.zosko.cn | 
