MFFW：一种用于多聚焦图像融合的新数据集
计算机视觉与模式识别
2020-02-13 v1 多媒体
摘要
多聚焦图像融合（MFF）是计算摄影领域的一项基础任务。现有方法已取得显著性能提升。研究发现，当前方法多在仿真图像集或 Lytro 数据集上评估。近来，越来越多研究者关注散焦扩散效应，即真实世界多聚焦图像中的一种现象。然而，散焦扩散效应在仿真或 Lytro 数据集中并不明显，主流方法表现十分相近。为比较它们在具散焦扩散效应图像上的性能，本文构建了一个称为野外多聚焦图像（MFFW）的新数据集。它包含 19 对从互联网收集的多聚焦图像。我们对所有源图像对进行了配准，并为部分图像对提供了聚焦图与参考图像。与 Lytro 数据集相比，MFFW 中的图像明显受散焦扩散效应影响。此外，MFFW 的场景更为复杂。实验表明，多数 SOTA 方法在 MFFW 数据集上无法鲁棒地生成令人满意的融合图像。MFFW 可作为一个新基线数据集，用于测试某 MFF 算法是否能处理散焦扩散效应。
引用
@article{arxiv.2002.04780,
title = {MFFW: A new dataset for multi-focus image fusion},
author = {Shuang Xu and Xiaoli Wei and Chunxia Zhang and Junmin Liu and Jiangshe Zhang},
journal= {arXiv preprint arXiv:2002.04780},
year = {2020}
}