Sep, 2017

高光谱光场立体匹配

PDF
TL;DR本文介绍了如何使用全谱光场捕获（H-LF）系统提取场景深度。我们的方法分为两个部分，第一部分是新的跨光谱配对技术，第二部分是使用 H-LF 立体匹配。实验结果表明，我们的方法能够产生高质量的视差图，并且可以用于产生完整的光场，并合成不同光谱响应下的全焦和散焦彩色图像。
hyperspectral light field capturecross-spectral pairwise matchingmarkov random fielddisparity estimationplenoptic cube
发现论文，激发创造
  • 基于扩散的光场合成

    通过仅使用单个 RGB 图像作为输入，LFdiff 采用基于扩散的生成框架针对光场合成进行设计，利用单目深度估计网络估计视差并结合新颖的条件方案和面向光场数据的噪声估计网络。实验结果表明，LFdiff 在综合光场合成方面具有卓越表现，并且生成的光场数据具有广泛的应用性，涵盖了光场超分辨率和重焦等应用领域。

    Feb, 2024

  • 4D 光场视频深度估计

    本研究提出了一种基于神经网络的端到端架构，用于从 4D 光场视频中进行深度估计，同时建立了一个中等规模的 4D 光场视频数据集，并验证了在嘈杂区域中加入时间信息可以提高深度估计精度的实验结果。

    Dec, 2020

  • LiFF: 光场特征的尺度与深度

    利用新的 4D 光场特征检测器和描述符 LiFF，可以检测出鲁棒的特征并估计深度，提高了 3D 重建的精度，并在运行速度方面比领先的 4D 方法快一个数量级。

    Jan, 2019

  • 利用光场综合的生成模型进行深度估计

    本研究提出了一种新的框架，它可以从光场数据中恢复高质量的连续深度图，其中包括基于深度图完全参数化的光场生成模型，并结合非局部均值先验等强大的正规化技术以实现准确的深度图估计。

    Sep, 2016

  • 用半全局匹配实现快速光场深度估计

    本研究旨在开发一种简单快速的算法，用于准确深度计算，我们提出了一种采用 Semi-Global Matching 的方法来处理光场图像，该方法基于在光场空间内使用不同度量标准比较像素对应关系，证明了该方法适用于各种光场配置并能够快速生产出正确结果。

    Jul, 2019

  • 结合双目立体视觉和单目结构光的深度估计

    本文介绍了一种新型立体系统，利用 IR 相机和结构光方法提高了匹配精度，通过在室内场景中的测试数据证明了该系统的有效性。

    Mar, 2022

  • 基于深度排列几何嵌入和结构一致性正则化的光场空间超分辨率

    本文提出一种基于学习的轻场景图像空间超分辨率框架，在每个轻场景图像视角学习探索不同的信息，并通过正则化网络结构来确保场景的正确视差关系，实验结果表明该方法不仅提高了平均峰值信噪比超过 1.0 dB，而且以更低的计算成本保持了更准确的视差细节。

    Apr, 2020

  • 光场分解用于超分辨率和视差估计

    本文介绍了一种用于轻场摄像机数据处理的卷积神经网络，利用分离机制处理空间和角度信息间的交织以实现空间分辨率的提升，角度超分辨率和视差估计。实验结果表明，该方法在所有三个任务实现了最好的表现。

    Feb, 2022

  • 基于结构关键视图和视差引导稀疏编码的光场压缩

    本文提出了一种利用视差引导稀疏编码的结构关键视角的轻场摄像机编解码器，将低空间复杂度的关键视角以稀疏编码的形式进行压缩，同时将非关键视角的残差，视差图和编码区域划分后进行独立重建，实验结果表明相较于高效视频编码，该编解码器的性能更佳，可在低比特率情况下实现高达 4dB 的提升。

    Oct, 2016

  • 光谱光场成像的多维压缩感知

    该研究论文考虑了一种压缩多光谱光场相机模型，利用一种一位编码光谱掩膜和微透镜阵列，使用单色传感器捕捉空间、角度和光谱信息。我们提出了一种模型，采用压缩感知技术从欠采样测量中重建完整的多光谱光场。与先前的工作不同，其中光场被向量化为一维信号，我们的方法采用了一个五维基底和一种新颖的五维测量模型，因此与多光谱光场的内在维度相匹配。我们在数学和实证方面展示了五维和一维感知模型的等价性，最重要的是五维框架实现了数量级更快的重建速度，同时需要较小的存储空间。此外，我们的新型多维感知模型为设计高效的视觉数据采集算法和硬件开辟了新的研究方向。

    Feb, 2024