面向散射介质中带大气光与散射系数估计的深度多视图立体的去雾代价卷

我们提出了一种基于学习的散射介质（如雾或烟）中的多视图立体 (MVS) 方法，采用一种称为去雾代价卷的新型代价卷。在散射介质中捕获的图像由于悬浮颗粒引起的光散射和衰减而发生退化。这种退化取决于场景深度；因此，传统的 MVS 方法很难评估光度一致性，因为在三维 (3D) 重建之前深度是未知的。去雾代价卷通过在代价卷中使用扫描平面计算散射效应，解决了深度估计和图像恢复这一鸡生蛋还是蛋生鸡的问题。我们还提出了一种估计散射参数的方法，如大气光和散射系数，这些参数是我们的去雾代价卷所需的。带有去雾代价卷的网络输出的深度可以视为这些参数的函数；因此，它们利用从运动恢复结构步骤获得的稀疏 3D 点云进行几何优化。在合成雾图像上的实验结果表明，在散射介质中我们的去雾代价卷优于普通代价卷。我们还展示了去雾代价卷对真实雾场景的适用性。