Apr, 2023

智能手机摄像头双机对焦模式下的快速全聚焦照片合成

PDF
TL;DR本文提出了一种新的 All-in-Focus (AIF) 照片综合方法，旨在通过智能手机主（广角）和超广角相机之间的拍摄，从一个场景的一次拍摄中生成清晰的 AIF 照片，并介绍了一个预测和细化网络方法来减轻挑战，并提出了动态频域对齐技术进行颜色校正。通过构建包括 2686 个独特场景数据集来验证 EasyAIF 方法，此方法可以高质量地生成 AIF 照片，并在定量和定性上优于已有的基线方法。
all-in-focus photographysmartphone cameramulti-camera modulepredict-and-refine networkeasyaif
发现论文，激发创造
  • 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

  • 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

  • ReWiTe: 通过光束分光镜相机支架实现真实广角和远摄双摄像头融合数据集

    通过使用分束器同时捕获两台配备广角和长焦双摄像头的真实手机所拍摄的图像，新引入的数据集 ReWiTe 显著提升了现有各种方法在实际广角和长焦双图像融合任务中的性能。

    Apr, 2024

  • 移动电话上使用相机融合的高效混合变焦

    提出了一种在移动设备上的混合变焦超分辨率的有效系统，通过捕捉一对同步的广角镜头和望远镜头拍摄的图像，并利用机器学习模型将细节从望远镜头转移到广角镜头，进一步提出了自适应混合方法以解决景深不匹配、场景遮挡、流动不确定性和对齐误差问题，并通过在真实情景下进行广泛评估，与最先进的方法进行比较，以在移动平台上 500ms 内生成一张 1200 万像素的图像。

    Jan, 2024

  • 深度混合相机去模糊

    提出了一种用于多摄像头智能手机的模糊处理框架，利用混合成像技术，通过同时捕捉来自智能手机的长曝光广角图像和超广角连拍图像，并使用清晰的连拍图像估计模糊核进行广角图像的去模糊处理。使用创建的 HCBlur 数据集进行网络的学习和评估，该数据集包含模糊的广角图像、清晰的超广角连拍图像以及它们的清晰广角图像对应物。通过广泛的评估，结果显示出了现有技术的高质量。

    Dec, 2023

  • 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

  • 手持机多帧超分辨率

    这篇论文中，我们使用多帧超分辨率算法直接从一连串的彩色滤波阵列原始图像中创建完整的 RGB 图像，以替代传统的单帧和连拍摄影流程中使用的去马赛克方法。该算法旨在提高图像分辨率和信噪比，支持多种场景条件，可以在短时间内运行。实际应用于手机的两个功能：Super-Res Zoom 和 Night Sight 模式。

    May, 2019

  • DC²：通过学习重新聚焦的双摄像头散焦控制

    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。

    Apr, 2023

  • IFNet: 毫米波信号的手持合成孔径雷达深层成像与聚焦

    IFNet 是一种结合了信号处理模型和深度神经网络的新型展开网络，用于实现手持毫米波系统的稳健成像和对焦，能够有效补偿手持相位误差并从严重失真的信号中恢复高保真度图像。

    May, 2024

  • 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