光场摄影的风格迁移
计算机视觉与模式识别
2020-02-27 v1
摘要
随着光场图像的使用和应用不断增加，有必要将现有的图像处理方法适配于这种独特的摄影形式。在本文中，我们探索了将神经风格迁移应用于光场图像的方法。前馈风格迁移网络为单目图像提供快速、高质量的结果，但不存在针对全光场图像此类网络。由于这些图像的尺寸，当前的光场数据集较小，不足以从头训练纯前馈风格迁移网络。因此，有必要以某种方式适配现有的单目风格迁移网络，使其能够对光场的每个视点进行风格化，同时保持视点间的视觉一致性。相反，所提方法通过反向传播将损失在网络中传播，并迭代该过程以优化(本质上是过拟合)针对单张光场图像的结果风格化。该网络架构允许纳入预训练的快速单目风格化网络，同时避免了对大型光场训练集的需求。
引用
@article{arxiv.2002.11220,
title = {Style Transfer for Light Field Photography},
author = {David Hart and Jessica Greenland and Bryan Morse},
journal= {arXiv preprint arXiv:2002.11220},
year = {2020}
}
备注
To be presented at WACV 2020