提出了一种针对极化图像模糊的处理方法,通过将问题分解为两个较不病态的子问题,并设计两阶段神经网络来处理这两个子问题,实验结果表明我们的方法在合成和真实图像上都取得了最新的性能,并且能够改善基于极化的视觉应用的性能,如图像去雾和反射去除。
Feb, 2024
本研究探讨了利用微型极化器技术进行高动态范围成像,通过对不同极化滤镜角度获取的多张图像进行不同曝光时间的拟合,最终提出了一种基于深度快照的 HDR 重建算法,并创建了数据集进行验证,结果表明该方法超越了现有最先进的 HDR 重建算法。
May, 2021
本篇论文研讨了一种基于极化成像模态的新型物体识别技术,证明该技术在恶劣气候条件下比 RGB 图像更具有效性,能有效提高不同检测任务的状态机会 20% 至 50%。
Oct, 2019
本文中,我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果,并探讨了深度神经网络的应用,研究表明,使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进,同时,我们还提出了一种新的数据集,为感知算法的发展提供了支持。
May, 2023
通过基于极坐标转换的渐进对比学习的自监督方法,我们提出了一种用于眼科疾病诊断的自动方法。实验结果表明,我们的方法在三个公共眼科疾病数据集上达到了最先进的性能,具有良好的泛化能力,验证了我们的方法可以减少注释工作并提供可靠的诊断。
Mar, 2024
本文介绍了一种名为极化多视角反渲染的三维重建方法,该方法通过利用输入的多视颜色极化图像所提取的几何、光度和极化线索,可有效地优化光度反演,并充分考虑备选的方位角度信息来估计每个表面顶点的法向量,从而实现了对物体精细的三维重建。
Jul, 2020
本文介绍了一种使用未配对学习方案来调整色彩图像去噪器处理测试图像的方案,并使用学习的伪 ISP 和 rawRGB 噪声模型对真实噪声图像进行去噪,表明该方案对不同的去噪器都有效。
Mar, 2021
利用极化信息的监督学习方法以及借助物理特性的自监督学习方法取得重要进展,通过利用极化光的几何信息和引入形状先验知识和可逆物理约束来提高姿态估计的准确性。
Aug, 2023
本文介绍了使用卷积神经网络和 Poisson 分布进行图像去噪的方法,通过特定峰值的图片训练网络可以显著提高图像去噪效果,并且此方法灵活、数据驱动,速度更快。同时,结合图像先验信息,处理同类别图片可以进一步提高性能表现。
Jan, 2017
本文提出了一种使用偏振线索高效获取物体形状和空间变化反射的新方法,其中偏振成像与深度学习相结合,可以在正面闪光照射下使用单视角偏振成像实现高质量估计物体形状和反射。