用于光场全聚焦超分辨成像的深度融合先验
计算机视觉与模式识别
2023-01-18 v5 机器学习
图像与视频处理
摘要
多聚焦图像融合（MFIF）与超分辨率（SR）是成像模型的反问题，MFIF 与 SR 的目的分别是获取目标的全部聚焦与高分辨率二维映射。尽管已设计多种 MFIF 与 SR 方法，几乎全部均将 MFIF 与 SR 分开处理。本文从物理视角将 MFIF 与 SR 问题统一为多聚焦图像超分辨融合（MFISRF），并基于深度图像先验（DIP）提出一种名为深度融合先验（DFP）的免数据集无监督统一框架，以单一模型解决此类 MFISRF。实验证明，我们提出的 DFP 接近甚至优于那些最先进的 MFIF 与 SR 方法组合。据我们所知，我们所提工作是首个同时实现多聚焦融合与超分辨率任务的免数据集无监督方法。此外，DFP 为通用框架，其网络与聚焦度量策略可持续更新以进一步提升 MFISRF 性能。DFP 代码开源于 http://github.com/GuYuanjie/DeepFusionPrior。
引用
@article{arxiv.2110.05706,
title = {Deep Fusion Prior for Plenoptic Super-Resolution All-in-Focus Imaging},
author = {Yuanjie Gu and Yinghan Guan and Zhibo Xiao and Haoran Dai and Cheng Liu and Shouyu Wang},
journal= {arXiv preprint arXiv:2110.05706},
year = {2023}
}
备注
24 pages