全光函数的信息速率

全光函数（plenoptic function, Adelson and Bergen, 91）描述了观察者在空间和时间任意点可获得的视觉信息。全光函数（POF）的样本出现在视频和一般视觉内容中，代表大量信息。在本文中，我们提出了一种随机模型来研究全光函数的压缩极限。在所提出的框架中，我们将 POF 中的两个基本信息源分离开来：一个代表相机运动，另一个代表被获取和传输的"现实"的信息复杂度。这些信息源被组合，生成一个我们详细研究的随机过程。我们首先为不随时间变化的现实集合提出一个模型。所提出的模型很简单，使我们能够在信息论意义上推导出精确的编码界，这些界在许多实际感兴趣的情况下是紧的。对于静态现实和相机运动的简单情况，我们的结果表明编码实践与信息论角度的最优编码一致。该模型进一步扩展以考虑随时间变化的视觉现实。我们为这一动态现实模型推导了无损和有损信息速率的界，给出了界是紧的条件。利用合成源的示例表明，在场景动态存在的情况下，使用运动/位移估计与 DPCM 结合的简单混合编码相对于真实的率失真界表现相当次优。