在重聚焦图像域训练深度网络实现光场合成
图像与视频处理
2020-07-15 v5 计算机视觉与模式识别
摘要
光场成像捕获入射光在图像传感器上的空间-角度信息，可实现图像重聚焦与增强现实等诸多有趣应用。然而，受限于传感器分辨率，空间分辨率与角度分辨率之间存在折衷。为提高角度分辨率，视点合成技术已被用来从已有视点生成新视点。但传统的基于学习的视点合成主要考虑光场各视点的图像质量，而忽视了重聚焦图像的质量。本文提出一种称为重聚焦图像误差（RIE）的新损失函数以解决该问题。其核心思想是：合成光场的图像质量应在重聚焦图像域中优化，因为光场正是在该域中被感知。我们分析了 RIL 在频谱域中的行为，并使用 MSE、MAE、PSNR、SSIM 和 GMSD 等客观评价指标，在真实与软件渲染的光场数据集上针对先前方法测试了本方法的性能。实验结果表明，由本方法生成的光场可获得优于先前方法的重聚焦图像。
引用
@article{arxiv.1910.06072,
title = {Light Field Synthesis by Training Deep Network in the Refocused Image Domain},
author = {Chang-Le Liu and Kuang-Tsu Shih and Jiun-Woei Huang and Homer H. Chen},
journal= {arXiv preprint arXiv:1910.06072},
year = {2020}
}
备注
Accepted to IEEE Transactions on Image Processing