基于结构关键视图的视差引导稀疏编码光场压缩
计算机视觉与模式识别
2018-07-27 v2
摘要
近期成像技术正在迅速发展，以采样更丰富、更具沉浸感的 3D 世界表示。其中一项新兴技术是基于微透镜阵列的光场 (LF) 相机。为了记录光线的方向信息，与具有相似空间维度的传统 2D 图像相比，LF 图像需要大得多的存储空间和传输带宽，因此 LF 数据的压缩成为其应用的重要组成部分。在本文中，我们提出了一种 LF 编解码器，它通过首先在透视偏移光场字典上进行视差引导稀疏编码来近似 LF，从而充分利用 LF 子视图之间的内在几何结构。稀疏编码仅基于几个优化的结构关键视图 (SKV)；然而，整个 LF 可以从编码系数中恢复。通过在编码器和解码器之间保持近似一致，只需将非关键视图的残差、视差图和 SKV 压缩进比特流中。我们提出了一种优化的 SKV 选择方法，使得大部分 LF 空间信息得以保留。为了实现最佳的字典效率，将 LF 划分为几个编码区域 (CR)，重建工作在每个区域内独立进行。在基准 LF 数据集上进行了实验和比较，结果表明，与 High Efficiency Video Coding (HEVC) 相比，所提出的 SC-SKV 编解码器在率失真性能和视觉质量方面均产生了令人信服的压缩结果：平均实现了 47.87% 的 BD-rate 降低和 1.59 dB 的 BD-PSNR 提升，在低比特率场景下提升最高可达 4 dB。
引用
@article{arxiv.1610.03684,
title = {Light Field Compression with Disparity Guided Sparse Coding based on Structural Key Views},
author = {Jie Chen and Junhui Hou and Lap-Pui Chau},
journal= {arXiv preprint arXiv:1610.03684},
year = {2018}
}