应对浅景深约束：面向高分辨率多焦点图像融合的新范式
计算机视觉与模式识别
2025-10-23 v1
摘要
多焦点图像融合 (MFIF) 解决光学镜头浅景深 (DOF) 的限制，其中仅限于特定范围内的物体呈现清晰。尽管传统方法和深度学习方法已为该领域取得了进展，但仍面临挑战，包括训练数据有限、合成数据集的领域差距以及缺乏信息区域的困难。我们提出了 VAEEDOF，这是一个新的 MFIF 方法，使用蒸馏变分自编码器实现高保真、高效的图像重构。我们的融合模块能够同时处理最多七张图像，实现对不同焦点位置的稳健融合。为解决数据稀缺问题，我们引入了 MattingMFIF，一个新的合成 4K 数据集，模拟来自真实摄影作品的真实浅景深效果。我们的方法实现了最先进的结果，生成无明显伪影的无缝融合图像，弥合了合成与真实场景之间的差距，为解决复杂 MFIF 挑战迈出了重要一步。该代码和模型权重可在此处获取。
引用
@article{arxiv.2510.19581,
title = {Addressing the Depth-of-Field Constraint: A New Paradigm for High Resolution Multi-Focus Image Fusion},
author = {Luca Piano and Peng Huanwen and Radu Ciprian Bilcu},
journal= {arXiv preprint arXiv:2510.19581},
year = {2025}
}