面向真实世界焦点堆叠的深度学习
计算机视觉与模式识别
2023-11-30 v1
摘要
焦点堆叠广泛用于微距、宏观与风景摄影中，以从通过焦点包围（即浅景深与不同对焦平面）获取的多帧重建全对焦图像。现有的针对底层多焦点图像融合问题的深度学习方法对真实世界图像适用性有限，因为它们为极短图像序列（两到四张图像）设计，且通常在由光场相机获取或合成生成的小型低分辨率数据集上训练。我们引入了一个由 94 个高分辨率原始图像焦点包围突发组成的新数据集，其伪真值由最先进商业软件从数据计算得到。该数据集用于训练首个能处理真实应用所需长度的突发焦点堆叠深度学习算法。定性实验表明，在长期突发、真实场景中它与现有商业方案相当，同时对噪声显著更具容忍度。代码与数据集可在 https://github.com/araujoalexandre/FocusStackingDataset 获取。
引用
@article{arxiv.2311.17846,
title = {Towards Real-World Focus Stacking with Deep Learning},
author = {Alexandre Araujo and Jean Ponce and Julien Mairal},
journal= {arXiv preprint arXiv:2311.17846},
year = {2023}
}