Apr, 2023

基于学习的光场压缩空间与角度信息分离

PDF
TL;DR本文介绍了一种新型神经网络，它可以通过使用不同的角核和空间核来区分光场的角度信息和空间信息，并且该网络在压缩和视角合成任务中取得了极好的效果。
light fieldsneural networkinformation separationangular kernelsview synthesis
发现论文，激发创造
  • 学习核调制神经表示用于高效光场压缩

    本文提出了一种基于深度神经网络的光场压缩方法，采用描述性卷积核和调节卷积核相结合的策略使压缩后的数据更精简，同时保持较高的质量，并同时达到了视角的重建和合成。

    Jul, 2023

  • 光场图像超分辨率的空间 - 角度交互

    本文提出一种名为 LF-InterNet 的空间角度交互网络用于光场图像超分辨率，通过特征交互逐渐融合空间和角度信息。我们的方法在低计算成本下，能够以高 PSNR 和 SSIM 评分还原重构图像的细节，明显优于现有的超分辨率方法。

    Dec, 2019

  • 通过几何感知网络学习光场角超分辨率

    本论文提出了一种基于端到端学习的方法，旨在通过充分利用光场的内在几何信息，对大基线光场进行角向超分辨率处理。实验证明，该方法与现有最先进的方法相比，平均提高了 2 dB 的峰值信噪比，并节省了 48 倍的执行时间，同时更好地保持光场视差结构。

    Feb, 2020

  • 几何感知的图形转换：轻场紧凑表示

    本文旨在设计一种局部图形变换，以在不同观测视角下压缩高维光场的能量，通过构造基于超光线的局部图形和局部支持的可分和不可分变换，实现角度相关性的保留和编码效率的提高。

    Mar, 2019

  • 基于学习的光场相机视角合成

    本文提出了一种新的基于机器学习的方法用于从稀疏的视角图像中合成新的视角图像，该方法使用了两个 CNN 来分别对视差和颜色进行估计，并通过最小化合成图像与标准图像之间的误差来同时训练两个网络。实验结果表明该方法能够合成出高质量的图像并优于现有的技术，该方法可以潜在地降低消费者光场相机所需的角度分辨率，从而提高空间分辨率。

    Sep, 2016

  • 面部识别中的空间分辨率与角度分辨率的权衡

    光场表征中角度信息与空间角分辨率之间存在的权衡关系对人脸识别性能产生着显著的影响。本研究通过在保持整体图像大小的基础上利用具有不同角度分辨率的宏像素，以评估角度信息在空间分辨率降低的代价下对人脸识别性能的影响。实验结果表明，通过增加角度分辨率，可以在一定程度上显著提高人脸识别系统的性能。

    Feb, 2024

  • 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

  • 利用深度学习进行压缩光场重建

    本研究提出了使用新的、由自编码器和四维卷积神经网络组成的两个分支网络结构，深度学习途径来从单个编码的二维图像中恢复高分辨率的四维光场，以实现光场成像的实时视频采集系统的潜力。

    Feb, 2018

  • 一种低秩先验和深度卷积神经网络的光场超分辨率方法

    本文介绍了一种用于恢复整个光场并实现在所有子孔径图像上的一致性的学习空间光场超分辨率方法，其中算法先使用光流来对齐光场，然后使用低秩近似来减少其角度尺寸，最后通过 DCNN 来恢复超分辨率嵌入。实验结果表明，该方法优于现有的光场超分辨率算法，平均峰值信噪比相对于第二个最佳性能的方法提高了 0.23 dB; 并且还可以使用迭代反投影作为后处理步骤来进一步提高性能。

    Jan, 2018

  • 基于学习的深度解缩光场重建与视差估计应用

    本文介绍了一种用于提升光场相机在深度估计方面性能的深度解耦机制，并通过设计改进的特征提取器和网络结构来实现最先进的性能。此外，还设计了一种块遍历角度超分辨率策略，可在输入视图较高的内存使用情况下减少内存使用量，并具有更好的重建性能。

    Nov, 2023