用多平面图像学习光场合成：将场景编码作为循环分割任务
计算机视觉与模式识别
2020-05-20 v3
摘要
在本文中，我们通过将稀疏的一组输入视图转换为多平面图像（MPI）来解决大基线光场的视图合成问题。由于可用数据集稀缺，我们提出了一种不需要大量训练的轻量网络。与最新方法不同，我们的模型不学习估计 RGB 层，而仅在 MPI 的 alpha 层中编码场景几何，这归结为一个分割任务。采用学习梯度下降（LGD）框架以循环方式级联同一卷积网络，以细化所得体积表示。得益于其较少的参数数量，我们的模型在小型光场视频数据集上成功训练并给出视觉上吸引人的结果。它还在输入视图数量、MPI 中深度平面数量以及细化迭代次数方面展现出良好的泛化特性。
引用
@article{arxiv.2002.05028,
title = {Learning light field synthesis with Multi-Plane Images: scene encoding as a recurrent segmentation task},
author = {Tomás Völker and Guillaume Boisson and Bertrand Chupeau},
journal= {arXiv preprint arXiv:2002.05028},
year = {2020}
}
备注
Accepted to ICIP 2020