在所用测试数据集中，所有场景的光场桥梁模板图像的角度分辨率为14 x 14。由于光场相机成像特性，光场桥梁模板图像的边缘子孔径桥梁模板图像通常并不完整;因此，所有的光场桥梁模板图像都取其中心7x7的子孔径桥梁模板图像作为参考的高角度分辨率光场真值桥梁模板图像。对于每幅光场图像，选择3x3的子孔径桥梁模板图像阵列作为输入的低角度分辨率光场桥梁模板图像。在训练过程中，每个子孔径桥梁模板图像被裁剪成64 x 64的桥梁模板图像块输入至网络中。对于所提方法，为了保持训练稳定且能处理不同稀疏桥梁模板，前10个epoch训练与其它方法保持一致，后续训练过程中，对于输入的3x3参考子孔径桥梁模板图像通过桥梁模板对齐操作，将其中4幅真值参考子孔径桥梁模板图像替换为其它5幅真值参考子孔径桥梁模板图像的插值结果。
  实验中，将彩色光场桥梁模板图像转换到YCbCr颜色空间，并仅对其Y通道进行训练和测试，即后续实验仅定量评价重建光场桥梁模板图像的Y通道视觉质量。相应地，在主观比较实验中，重建光场桥梁模板图像的Cb和C:通道直接取自其对应真值，仅Y通道由对比光场角度重建方法生成，以评估各对比方法的角度重建陛能。此外，所对比的光场角度重建方法均采用表1中的训练测试集划分方式，在不同的光场角度重建任务中，若所对比方法存在预训练模型，则使用预训练模型，若不存在，则重新进行训练和测试。与现有方法在基准数据集上的定量比较首先将所提出方法与其它6种角度超分辨率方法(分别为基于剪切EPI结构的光场重建的方法、基于几何感知网络的光场角超分辨率基于灵活采样和几何感知合的密集光场重建基于解藕机制的角超分辨率和基于推理重构变分自编码器的方法在角度重建任务3x37上进行对比分析。值得注意的是，考虑到所提出方法的处理对象的特殊性，使用了上节所述的训练策略。对比用峰值信噪比和结构相似度两个质量度量指标来衡量方法性能。表2给出了这些方法的对比实验结果，其中用粗体标记了最好的性能指标。可以发现，在角度重建任务3x3->7x7上，所提方法在3个真实场景数据集上实现了最高的客观质量分数。需要指出的是，所提方法采用同一模型来处理不同稀疏桥梁模板，因此，对于单一的重建任务，所提方法的性能上会有所折中。http://www.qlmb.net