傳統(tǒng)成像技術長期面臨一個核心矛盾：單透鏡系統(tǒng)在單次曝光中只能形成單一焦平面，導致相機不得不在大光圈、景深和分辨率之間反復權衡。這種物理限制使得復雜場景拍攝時，要么犧牲清晰度，要么依賴后期處理。近日，卡內(nèi)基梅隆大學研究團隊提出突破性方案——通過光學與算法協(xié)同創(chuàng)新，構建出全球首個具備像素級獨立對焦能力的成像系統(tǒng)，相關成果獲國際計算機視覺大會（ICCV2025）最佳論文榮譽提名。

該系統(tǒng)的核心突破在于將傳統(tǒng)焦平面升級為可編程的焦曲面。研究團隊開發(fā)的Split-Lohmann計算透鏡通過組合立方相位板與空間光調(diào)制器（SLM），實現(xiàn)了對不同像素區(qū)域焦距的獨立控制。這種特殊結構如同為每個像素配備專屬光學元件：當光線穿過立方相位板時，其折射路徑被初步調(diào)制；隨后空間光調(diào)制器通過編程對特定區(qū)域的光線進行二次聚焦，最終形成三維空間中動態(tài)適配的焦距分布。實驗數(shù)據(jù)顯示，該系統(tǒng)在保持大光圈（f/2.0）條件下，可同時捕捉深度跨度達10米的場景，且各區(qū)域分辨率損失小于5%。

算法層面，研究團隊提出雙模態(tài)自動對焦框架。對比度探測法（CDAF）通過迭代優(yōu)化策略，將傳統(tǒng)窮舉式掃描的對焦次數(shù)從數(shù)百次縮減至十余次，對焦速度提升30倍；相位探測法（PDAF）則利用雙像素傳感器實現(xiàn)視差計算，可在0.1毫秒內(nèi)完成深度定位。兩種算法協(xié)同工作，使系統(tǒng)既能處理靜態(tài)場景的精細對焦，也支持動態(tài)場景的實時追蹤。測試視頻顯示，原型機在21幀/秒的拍攝速率下，可穩(wěn)定跟蹤快速移動物體的同時保持背景清晰。

這項技術正在多個領域展現(xiàn)應用潛力。自動駕駛場景中，系統(tǒng)可同時識別近處行人與遠處車輛，避免傳統(tǒng)相機因?qū)骨袚Q導致的環(huán)境感知延遲；顯微成像領域，厚樣本的立體結構無需逐層掃描即可完整呈現(xiàn)，為活體細胞觀測提供新工具；安防監(jiān)控方面，全場景持續(xù)清晰成像能力可消除監(jiān)控死角；醫(yī)療機器人手術中，實時動態(tài)對焦能確保器械操作與組織影像的精準匹配。研究團隊已為關鍵技術布局全球?qū)＠?，并正在開發(fā)消費級原型設備。

該成果的底層邏輯源于光路可逆原理。研究團隊將此前在VR顯示領域開發(fā)的Split-Lohmann多焦面技術逆向應用于成像系統(tǒng)，通過"光學輸入-算法輸出"的閉環(huán)設計，實現(xiàn)了從信息呈現(xiàn)到信息捕捉的范式轉變。這種跨學科創(chuàng)新為計算成像開辟了新路徑，其像素級焦距控制能力或?qū)⒅匦露x光學系統(tǒng)的設計邊界。