基于物理线索的彩色编码深度感知与去像差网络
计算机视觉与模式识别
2019-08-02 v1
摘要
彩色编码孔径（CCA）方法可通过单目相机单张拍摄图像给出的物理线索物理地测量场景深度。然而，由于它们为简化算法而假设理想透镜，在实际场景中易受真实透镜像差影响。本文中，我们提出用于 CCA 摄影的基于物理线索的深度学习。为解决实际透镜像差，我们开发了深度去像差网络（DDN），其额外配备了位置与颜色通道的自注意力机制，以高效学习透镜像差。此外，基于贝叶斯深度学习的新型 Bayes L1 损失函数能够更准确地处理深度估计的不确定性。定量与定性比较表明，我们的方法优于包括真实室外场景在内的传统方法。而且，与长基线立体相机相比，所提方法在近距离提供无误差深度图，因为左右相机间不存在盲区。
引用
@article{arxiv.1908.00329,
title = {Physical Cue based Depth-Sensing by Color Coding with Deaberration Network},
author = {Nao Mishima and Tatsuo Kozakaya and Akihisa Moriya and Ryuzo Okada and Shinsaku Hiura},
journal= {arXiv preprint arXiv:1908.00329},
year = {2019}
}
备注
To appear in BMVC2019