用于深度恢复的数据驱动编码孔径设计

在相机镜头孔径处插入图案化遮挡物已被证明比全开孔径更能改善深度图和对焦图像的重建。然而，孔径图案的设计起着非常关键的作用。以往设计孔径编码的方法对图像分布做出简单假设以获取评估孔径编码的指标。然而，真实图像可能不遵循这些假设，因此设计出的编码可能并非最优。为解决这一缺点，我们提出了一种数据驱动方法，用于学习最优孔径图案，以便从单张编码图像中恢复深度图。我们提出了一种两阶段架构：第一阶段，我们从全焦图像和深度图的训练数据集中模拟编码孔径图像；第二阶段，我们使用深度神经网络恢复深度图。我们证明，即使在先前方法提出的编码设计指标上，我们学习到的孔径编码也优于先前设计的编码。