清晰而深刻：基于生物仿生单中心设计的 RGBD 成像方法
计算机视觉与模式识别
2025-10-30 v1 机器人学
图像与视频处理
光学
摘要
实现高保真、紧凑的 RGBD 成像面临双重挑战：传统紧凑光学在整个深景中难以保证 RGB 锐度，而软件-only 的单目深度估计 (MDE) 是一个病态问题，依赖不可靠的语义先验。虽然深层光学（如具有 DOEs 的系统）可对深度进行编码，但会引入制造复杂性和色差的权衡，妥协于简单性。为此，我们首先引入一种新型生物仿生全球形单中心镜头，构建基于该镜头的 Bionic Monocentric Imaging (BMI) 框架进行整体协同设计。该光学设计自然地将深度编码到其深度变动的点扩散函数 (PSF) 中，无需复杂的衍射或非净面元。我们建立严格的物理驱动前馈模型，通过精确模拟光学退化过程生成合成数据集。这一仿真管道与双头、多尺度重建网络协同设计，后者采用共享编码器联合恢复来自单次编码捕获的高保真全焦点 (All-in-Focus, AiF) 图像和精确深度图。广泛实验验证了所提框架的领先性能。在深度估计方面，方法在 Abs Rel 上达到 0.026，在 RMSE 上达到 0.130，显著优于领先的 software-only 方法和其他深层光学系统。在图像恢复方面，系统在 SSIM 上达到 0.960，感知 LPIPS 分数达到 0.082，从而证明了图像保真度与深度精度之间优越的平衡。本研究表明，生物仿生全球形光学与联合重建算法的集成是解决高性能紧凑 RGBD 成像内在挑战的有效策略。源代码将在 https://github.com/ZongxiYu-ZJU/BMI 上公开。
引用
@article{arxiv.2510.25314,
title = {Seeing Clearly and Deeply: An RGBD Imaging Approach with a Bio-inspired Monocentric Design},
author = {Zongxi Yu and Xiaolong Qian and Shaohua Gao and Qi Jiang and Yao Gao and Kailun Yang and Kaiwei Wang},
journal= {arXiv preprint arXiv:2510.25314},
year = {2025}
}
备注
The source code will be publicly available at https://github.com/ZongxiYu-ZJU/BMI