中文

通过全聚焦监督桥接无监督与有监督的聚焦法深度估计

计算机视觉与模式识别 2021-08-25 v1

摘要

深度估计是计算机视觉中一个持久而重要的任务。以往的大多数工作尝试从输入图像中估计深度,并假设图像是全聚焦的(AiF),这在现实应用中并不常见。另一方面,少数工作考虑了散焦模糊,并将其作为深度估计的另一个线索。在本文中,我们提出了一种方法,不仅可以从一组具有不同焦点位置的图像(称为焦点堆栈)中估计深度图,还可以估计出一张全聚焦图像。我们设计了一个共享架构来利用深度和全聚焦估计之间的关系。因此,所提出的方法既可以用真实的深度进行有监督训练,也可以用全聚焦图像作为监督信号进行无监督训练。我们在各种实验中表明,我们的方法在定量和定性上都优于最先进的方法,并且在推理时间上具有更高的效率。

关键词

引用

@article{arxiv.2108.10843,
  title  = {Bridging Unsupervised and Supervised Depth from Focus via All-in-Focus Supervision},
  author = {Ning-Hsu Wang and Ren Wang and Yu-Lun Liu and Yu-Hao Huang and Yu-Lin Chang and Chia-Ping Chen and Kevin Jou},
  journal= {arXiv preprint arXiv:2108.10843},
  year   = {2021}
}

备注

ICCV 2021. Project page: https://albert100121.github.io/AiFDepthNet/ Code: https://github.com/albert100121/AiFDepthNet