基于部分遮挡区域超像素正则化的精确光场深度估计
计算机视觉与模式识别
2018-07-27 v1
摘要
深度估计是光场摄影应用中的一个基本问题。近年来已有大量方法被提出，它们要么侧重于构建代价项以实现更鲁棒的匹配，要么侧重于分析核平面图像中蕴含的场景结构几何。在整体深度估计误差方面已取得显著改善；然而，当前最先进的方法在处理复杂遮挡结构和多重遮挡复杂场景时仍存在局限性。为解决这些挑战性问题，我们提出了一种非常有效的深度估计框架，侧重于对初始标签置信度图和边缘强度权重进行正则化。具体而言，我们首先通过基于超像素的正则化检测部分遮挡边界区域。随后在 POBR 上对标签置信度图和边缘强度权重应用一系列收缩/增强操作。我们表明，经过权重操作后，即使是低复杂度的加权最小二乘模型，在平均视差误差率、遮挡边界精确率-召回率以及复杂视觉特征保持方面，也能产生远优于最先进方法的深度估计结果。
引用
@article{arxiv.1708.01964,
title = {Accurate Light Field Depth Estimation with Superpixel Regularization over Partially Occluded Regions},
author = {Jie Chen and Junhui Hou and Yun Ni and Lap-Pui Chau},
journal= {arXiv preprint arXiv:1708.01964},
year = {2018}
}