受卷帘快门影响的光场图像的密集场景重建
计算机视觉与模式识别
2024-12-05 v1
摘要
本文提出了一种从光场(LF)图像中进行密集深度估计的方法，该方法能够补偿强烈的卷帘快门(RS)效应。我们的方法估计RS补偿后的视图和密集的RS补偿视差图。我们提出了一种基于二维高斯泼溅的两阶段方法，该方法允许采用点云公式化的“渲染与比较”策略。在第一阶段，使用子孔径图像的一个子集来估计一个与RS无关的3D形状，该形状与场景目标形状“相差一个运动”。在第二阶段，通过估计一个允许的相机运动来计算3D形状的形变。我们通过对不同场景和运动类型进行的多次实验，证明了该方法的有效性和优势。由于缺乏合适的评估数据集，我们还提出了一个新的精心设计的合成RS LF图像数据集。源代码、训练好的模型和数据集将在 https://github.com/ICB-Vision-AI/DenseRSLF 公开提供。
引用
@article{arxiv.2412.03518,
title = {Dense Scene Reconstruction from Light-Field Images Affected by Rolling Shutter},
author = {Hermes McGriff and Renato Martins and Nicolas Andreff and Cedric Demonceaux},
journal= {arXiv preprint arXiv:2412.03518},
year = {2024}
}