基于概率的特征嵌入用于四维光场压缩成像与去噪
图像与视频处理
2024-01-12 v3 计算机视觉与模式识别
摘要
四维光场（LF）的高维特性给实现高效且有效的特征嵌入带来巨大挑战，严重影响了下游任务的性能。为解决这一关键问题，与现有采用经验设计架构的方法不同，我们提出了一种基于概率的特征嵌入（PFE），它通过在一个概率空间中组装各种低维卷积模式来学习特征嵌入架构，以充分捕获空间-角度信息。基于所提出的 PFE，我们利用编码孔径相机固有的线性成像模型，从编码测量中构建循环一致的四维光场重建网络。此外，我们将 PFE 纳入迭代优化框架以实现四维光场去噪。我们的大量实验表明，与最先进的方法相比，我们的方法在真实与合成四维光场图像上无论在定量还是定性方面均具有显著优越性。源代码将公开于 https://github.com/lyuxianqiang/LFCA-CR-NET。
引用
@article{arxiv.2306.08836,
title = {Probabilistic-based Feature Embedding of 4-D Light Fields for Compressive Imaging and Denoising},
author = {Xianqiang Lyu and Junhui Hou},
journal= {arXiv preprint arXiv:2306.08836},
year = {2024}
}