CVPRApr, 2023

DC²：通过学习重新聚焦的双摄像头散焦控制

PDF
TL;DR提出了一种利用双摄像头系统中的虚焦效应，并通过图像重构来了解虚焦控制的 $ ext {DC}^2$ 系统，能够优于现有的虚焦去模糊，背景虚化和图像重构技术，支持倾斜移位和基于内容的虚化效果。
smartphonesdual-cameradepth of fielddefocus controlimage refocus
发现论文，激发创造
  • 使用双像素数据进行散焦去模糊

    该研究提出了一种有效的去除焦外模糊的方法，利用大多数现代相机上的双像素传感器捕获的数据，通过深度神经网络结构来减少焦外模糊，并且通过精心捕获的数据集来证明了该方法的可行性。

    May, 2020

  • 通过逼真地建模双像素数据来学习减少焦外模糊

    该研究提出一种通过合成数据生成具有现实意义的双像素数据，用于提升基于双像素数据捕获的单幅或多幅相机图像去模糊的结果，在视频去模糊的应用中具有广泛前景。

    Dec, 2020

  • 单摄手机合成景深

    该研究提出一种使用单一手机相机和按键合成浅景深图像的系统，如果该图像是一个人，则使用人体分割网络将人和其配件与背景分离，并使用密集二像素自动对焦硬件计算出密集深度图。这两个信号结合起来用于渲染一张非聚焦的图像。

    Jun, 2018

  • 针对非专业摄影师的合成模糊和前瞻自动对焦技术

    本文介绍了一种新的方法来实现休闲视频制作中的电影般的焦点，即从深度拍摄的视频中合成可重新对焦的视频，并分析未来的视频帧以实现上下文感知的自动对焦。

    May, 2019

  • DeepLens：从单幅图像产生浅景深

    使用深度学习算法和手机拍摄的 RGB-D 数据集改进图像升采样、边界预测和景深控制，从而实现了单张图像高分辨率景深浅化处理。与双镜头深度相机 iPhone 模式相比，该方法在景深控制和光圈大小选择方面更加灵活，且生成的图像质量较好。

    Oct, 2018

  • 通过多任务学习提高单张图片散焦去模糊的效果：双像素图像的帮助

    本研究提出了一种利用双像素传感器的多任务学习方法，用于单张图像的去模糊和深度估计，并通过实验证明，这种方法可以取得比其他最先进的方法更好的效果。

    Aug, 2021

  • 自动对焦学习

    利用深度分类模型和序数回归损失优化学习自动对焦技术，相比之前的方法可以将平均绝对误差降低 3.6 倍。

    Apr, 2020

  • 从单个双像素图像中估计离焦映射和去模糊

    该研究提出了一种基于双像素图像的无监督学习方法，通过同时估计图像的焦散图和所有点的聚焦图来减轻焦散的影响并生成全聚焦图。

    Oct, 2021

  • SteReFo: 基于立体视觉的高效图像重新聚焦

    本文提出了一个基于双目图像深度估计和重聚的物理学启示管道，以在移动相机中从全聚焦双目图像中模仿 DSLR 相机的浅景深效果，从而实现在 76 FPS 的实时应用。相对于其他方法，我们的管道同时是可完全区分的、受物理启发的、不受场景内容的影响，还可以在静态图像场景中实现计算机视频焦点跟踪，我们还使用 SceneFlow、KITTI、CityScapes 等公共数据集对我们的方法进行了评估。

    Sep, 2019

  • 使用光场生成和实际虚焦图像进行去模糊学习

    本文提出了一种新型深层次解除虚焦模糊网络，它通过使用光场技术生成高度准确的图像配对，并使用 Feat?ure loss 技术改善二次拍摄方法捕捉到的图像失焦，取得了在多个测试集上的良好表现。

    Apr, 2022