ICCVSep, 2017

从模糊的图像序列中联合估计相机姿态、深度、去模糊和超分辨率

PDF
TL;DR本研究提出了一种创新性的统一框架来解决密集深度重建、相机姿态估计、超分辨率和去模糊的四个问题，通过反映物理成像过程，我们提出了一个成本最小化问题，并使用交替优化技术来解决它，实验结果表明，我们的提出方法在合成和现实视频中均得到高质量的深度图，同时还产生了优秀的去模糊和超分辨率图像。
camera pose estimationdense depth reconstructionsuper-resolutiondeblurringalernating optimization technique
发现论文，激发创造
  • 光场联合盲运动去模糊和深度估计

    该论文提出了一种新算法，可以同时实现在任意 6-DOF 摄像机运动和不受限制的场景深度下的高质量光场去模糊和深度估计，通过利用光场的多视角特性，减轻了优化的反演性质，利用强深度线索和多视角模糊观察。

    Nov, 2017

  • 鲁棒性一致的视频深度估计

    本文提出了一种用于估计一致密集深度图和相机姿态的算法，该算法基于学习的深度先验和几何优化相结合，不需要输入相机姿态，并能够在包括噪声、抖动、运动模糊和卷帘快门失真等多种挑战性条件下实现稳健的重建。

    Dec, 2020

  • 带深度图的单张图像去模糊和相机运动估计

    本研究提出了一种利用图像深度信息，共同估计 6 自由度运动（6 DoF）相机运动和去除由于相机运动引起的不均匀模糊的方法，并将其制定为能量最小化问题，该方法能有效地解决相机抖动时的图像模糊问题。

    Mar, 2019

  • 联合图像去模糊和超分辨率的门控融合网络

    本文提出了一种基于卷积神经网络的深度门控融合模型来实现含运动模糊的图像超分辨率重建，并通过将特征提取步骤拆分成两个独立任务的设计来增强模型的训练效果并提升图像分辨率预测结果。实验结果表明，该模型能够高效生成清晰的超分辨图像。

    Jul, 2018

  • 结构生成和细节增强联合人脸超分辨率和去模糊

    本文提出了一种利用人脸专业知识恢复高质量人脸的有效算法，通过面部组件指导的深度卷积神经网络与基于演示的细节增强算法，在超分辨率和去模糊同时处理中增强了面部细节。

    Nov, 2018

  • 同时进行立体视频去模糊和场景流估计

    该研究提出一种从立体视频中去除运动模糊的新方法，通过利用场景的分块平面假设和场景流信息来去除图像模糊，可显著改善光流估计和去除运动模糊的效果。

    Apr, 2017

  • 盲目图像超分辨率的深度约束最小二乘法

    本文提出一种盲图像超分辨率的新方法，使用重新构建的退化模型和两个新模块，通过对内核估计和内核基于高分辨率图像恢复的改进，实现更好的准确性和视觉改进，并在多个基准测试中进行了验证。

    Feb, 2022

  • 深度超分辨率遇上未校准的光度立体

    本文提出了一种新颖的 RGB-D 传感器深度超分辨率方法，该方法通过高分辨率光度线索澄清深度超分辨率，并对未校正的光度立体进行低分辨率深度线索的澄清。使用变分方法处理 RGB-D 序列，并通过新的 PDE 光度立体正则化器隐式地保持了表面的规则性。实验表明，该方法能够在无需任何特殊先验知识或材料校准的情况下，在现实世界的环境中拍摄高质量的深度图像。

    Aug, 2017

  • 视频深度一致性估计

    通过利用传统的运动结构恢复来建立视频中像素的几何约束，使用基于学习的先验 —— 一种单图像深度估计的卷积神经网络，我们给出了一种用于重建密集、几何一致深度的算法。测试时，我们对这个网络进行微调，以满足特定输入视频的几何约束，同时保留其在视频中的其他区域中合成可信深度细节的能力。通过定量验证，我们证明了我们的方法比以前的单目重建方法有更高的准确性和更高的几何一致性。我们的算法能够处理具有轻度动态运动的挑战性手持捕获输入视频。改进重建的质量可以用于场景重建和高级视频视觉效果。

    Apr, 2020

  • 边缘感知一致性立体视频深度估计

    通过使用双目输入，引进左右一致性损失函数，并提出一种保存边缘特征的损失函数来改善测试时训练中的深度模糊问题，提出了一种稠密的双目视频深度估计方法，调研结果表明该模型精度可靠。

    May, 2023