从单次压缩光场测量中快速估计视差
计算机视觉与模式识别
2022-09-26 v1 图像与视频处理
摘要
光场丰富的空间与角度信息催生了多种视差估计方法。然而，光场的获取需要较高的存储与处理成本，限制了该技术在实际应用中的使用。为克服这些缺陷，压缩感知（CS）理论已支持开发光学架构以获取单次编码的光场测量。该测量通过优化算法或深度神经网络解码，但需要较高的计算成本。从压缩光场估计视差的传统方法需先恢复整个光场，再进行后处理步骤，因此耗时较长。相比之下，本工作提出从单次压缩测量中快速估计视差，省去了传统方法所需的恢复步骤。具体地，我们提出联合优化用于获取单次编码光场快照的光学架构，以及用于估计视差图的卷积神经网络（CNN）。实验上，所提方法估计的视差图可与使用深度学习方法重建的光场所获得的视差图相媲美。此外，所提方法在训练和推理上比较从重建光场估计视差的最优方法快20倍。
引用
@article{arxiv.2209.11342,
title = {Fast Disparity Estimation from a Single Compressed Light Field Measurement},
author = {Emmanuel Martinez and Edwin Vargas and Henry Arguello},
journal= {arXiv preprint arXiv:2209.11342},
year = {2022}
}