像差感知的聚焦深度估计

用于深度估计的计算机视觉方法通常使用具有理想化光学的简单相机模型。对于现代机器学习方法，这在使用模拟数据训练深度网络时会产生问题，尤其是对于像聚焦深度估计这类对焦点敏感的任务。本工作中，我们研究了由离轴像差引起的域间隙，其会影响焦栈中最佳聚焦帧的判定。随后我们探索通过像差感知训练（AAT）来弥合该域间隙。我们的方法涉及一个轻量网络，对不同位置和聚焦距离下的透镜像差建模，然后将其集成到常规网络训练流程中。我们在合成与真实世界数据上评估了预训练模型的泛化性。实验结果表明，所提 AAT 方案可在不微调模型或修改网络架构的情况下提升深度估计精度。