长焦-广角相机系统中鲁棒的全视场深度估计

配备不同视场（FoV）镜头的长焦-广角相机系统在近年移动设备中十分流行。通常基于传统立体匹配方法难以获得全视场深度。纯深度神经网络（DNN）的深度估计方法虽可获得全视场深度，但对未涵盖于训练数据集的场景鲁棒性较低。本文针对上述问题中，提出了一种用于长焦-广角相机系统中鲁棒全视场深度估计的分层沙漏网络，其结合了传统立体匹配方法的鲁棒性与DNN的精确性。更具体地，所提网络包含三个主要模块：单图像深度预测模块从输入彩色图像推断初始深度，深度传播模块将传统立体匹配的长焦视场深度传播至周边区域，以及深度融合模块将初始深度与传播深度融合以生成最终输出。这些模块均采用沙漏模型，即一种带跳跃连接的编码器-解码器结构。与当前最优深度估计方法的实验对比表明，我们的方法不仅在野生测试图像上产生鲁棒且更好的主观深度质量，也在标准数据集上取得更优的定量结果。