用于光场深度估计的遮挡感知代价构造器
计算机视觉与模式识别
2022-03-04 v1
摘要
匹配代价构造是光场（LF）深度估计中的关键步骤，但在深度学习时代却鲜有研究。近期基于深度学习的 LF 深度估计方法通过用一系列预定义偏移依次平移各子孔径图像（SAI）来构造匹配代价，这一过程复杂且耗时。本文中，我们提出一种简单快速的代价构造器来构造 LF 深度估计的匹配代价。我们的代价构造器由一系列具有特定设计膨胀率的卷积组成。通过将代价构造器应用于 SAI 阵列，预定义视差下的像素可被积分，且无需任何平移操作即可构造匹配代价。更重要的是，所提代价构造器具有遮挡感知能力，可通过动态调制来自不同视角的像素来处理遮挡。基于所提代价构造器，我们开发了用于 LF 深度估计的深度网络。我们的网络在常用 4D LF 基准上以均方误差（MSE）而言排名第一，并比其他最先进方法实现了更快的运行时间。
引用
@article{arxiv.2203.01576,
title = {Occlusion-Aware Cost Constructor for Light Field Depth Estimation},
author = {Yingqian Wang and Longguang Wang and Zhengyu Liang and Jungang Yang and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2203.01576},
year = {2022}
}
备注
Accepted to CVPR 2022