用于光场重聚焦的机器学习方法
图像与视频处理
2022-04-20 v3 计算机视觉与模式识别
图形学
机器学习
摘要
光场成像引入了在捕获后对已拍摄图像进行重聚焦的能力。目前有两种流行的重聚焦方法：shift-and-sum（平移求和）法和傅里叶切片法。这两种方法均无法在没有任何预处理的情况下实时重聚焦光场。本文中，我们引入一种基于机器学习的重聚焦技术，能够实时提取重聚焦参数 α=0.125,0.250,0.375,...,2.0 的 16 幅重聚焦图像。我们在两个实验中训练了称为 RefNet 的网络：一次使用傅里叶切片法作为训练——即“真值”——数据，另一次使用平移求和法作为训练数据。我们表明，在这两种情况下，RefNet 方法不仅比先前方法至少快 134 倍，而且其颜色预测优于傅里叶切片和平移求和方法，同时具有相似的景深和聚焦距离性能。
引用
@article{arxiv.2103.16020,
title = {Machine learning method for light field refocusing},
author = {Eisa Hedayati and Timothy C. Havens and Jeremy P. Bos},
journal= {arXiv preprint arXiv:2103.16020},
year = {2022}
}