CodedStereo：用于大景深立体视觉的学习型相位掩模
计算机视觉与模式识别
2021-04-13 v1 图像与视频处理
光学
摘要
传统立体视觉面临成像体积与信噪比 (SNR) 之间的根本权衡——源于孔径尺寸对这两个变量的冲突影响。受扩展景深相机启发，我们提出一种新颖的基于端到端学习的技术来克服此限制，通过在立体成像系统相机孔径平面引入相位掩模。该相位掩模产生依赖于深度的点扩散函数，使我们能在比传统立体视觉显著扩展的景深 (EDOF) 上恢复清晰图像纹理与立体对应。相位掩模图案、EDOF 图像重建以及立体视差估计均通过端到端学习的深度神经网络联合训练。我们对所提方法进行理论分析与表征，并在仿真中展示可成像体积增加 6 倍。我们还搭建了实验原型，并利用该原型系统获取的真实世界结果验证了该方法。
引用
@article{arxiv.2104.04641,
title = {CodedStereo: Learned Phase Masks for Large Depth-of-field Stereo},
author = {Shiyu Tan and Yicheng Wu and Shoou-I Yu and Ashok Veeraraghavan},
journal= {arXiv preprint arXiv:2104.04641},
year = {2021}
}
备注
Accepted to CVPR 2021 as an oral presentation