Jun, 2023

双像素视差提取的连续成本聚合

PDF
TL;DR该论文提出了在半全局匹配框架内使用连续代价汇聚方案来从 Dual-Pixel 图像中提供精确的连续视差，并通过在图像路径上聚合二次系数来实现聚合步骤，具有封闭形式的像素最小化，同时保持总代价的二次形式。同时，连续形式允许在不同尺度上进行强大的多尺度聚合来更好地补偿 PSF 的变化。实验证明，所提出的方案在 DP 视差估计方面达到了最先进的性能。
dual-pixel sensorsdepth informationsemi-global matchingcontinuous cost aggregationdisparity estimation
发现论文，激发创造
  • 双像素探索：深度估计与图像修复的同时进行

    本文提出了一种数学的双像素模型，以获得双像素图像的深度信息，同时提出了一种同时估计深度和还原图像的端到端的深度去模糊网络 (DDDNet)，并定义了一个 reblur loss 来规范深度估计的训练，此外，作者还提出了双像素图像模拟器，可从现有的 RGBD 数据集创建双像素对数据集。经对合成和真实数据集的大量实验评估表明，与现有技术相比，我们的方法具有竞争性的性能。

    Dec, 2020

  • 基于密集亚像素视差图估计的道路表面三维重建

    本文提出了一种高计算效率、稳健性强的新型密集亚像素视差估计算法，通过将目标帧的透视视图变换为基准视图，在保证匹配精度的同时提高了处理速度。此外，还介绍了一种新的基于马尔可夫随机场和快速双边立体的视差全局细化方法，能够进一步提高估计视差图的精度。实验结果表明，重建的绝对误差在 0.1 至 3 毫米之间。

    Jul, 2018

  • GoMVS：多视角立体匹配的几何一致成本聚合

    提出了一种名为 GoMVS 的方法，通过几何一致的传播和聚合，以更好地利用相邻几何结构，从而使成本聚合更加准确和有效。在 DTU、Tanks & Temple 和 ETH3D 数据集上取得了最新的最高性能，特别是在 Tanks & Temple Advanced 基准测试上排名第一。

    Apr, 2024

  • AANet: 用于高效立体匹配的自适应聚合网络

    提出了一种基于稀疏点和神经网络的代价聚合方法，用于加速立体匹配的推理速度，并在 KITTI 数据集上取得了有竞争力的结果。

    Apr, 2020

  • 被动快照编码孔径双像素 RGB-D 成像

    通过使用 CADS 方法，我们在紧凑而被动的形式下借助双像素传感器实现了准确的 RGB-D 重建结果。

    Feb, 2024

  • 使用二维卷积处理代价签名的快速深度立体匹配

    本文提出一种基于传统匹配成本的快速深度估计网络，该网络仅使用每个像素和二维卷积操作来总结每个位置的匹配信息，并以低维特征向量的形式生成密集的视差图，在保证准确度的同时，相较于其他算法显著加快了处理速度。

    Mar, 2019

  • Du$^2$Net: 双摄像头和双像素深度估计模型学习

    本文提出了一种基于神经网络的方法，将双目摄像机的立体匹配与双像素传感器的立体匹配相结合，以实现精准的景深图像，避免了前人研究中存在的模糊和匹配错误等问题，该方法对计算机摄影应用具有重要意义。

    Mar, 2020

  • 使用单个双像素相机进行面部深度和法向估计

    本文介绍了一个 DP Depth/Normal 网络，通过收集超过 135K 张 DP 面部数据实现了 3D 面部几何重建，该网络具有自适应采样模块和自适应法线模块，可处理 DP 图像中的虚焦模糊区域，并实现了是取得最新的 DP-based 深度 / 法线估计方法的最优表现，同时也展示了该面部深度 / 法线估计在面部欺骗和光照方面的应用。

    Nov, 2021

  • 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

  • 使用离散连续优化实时解决密集图像匹配问题

    本文提出一种基于能量最小化的模型，以离散和连续算法的一致方式进行优化，在离散设置中，我们提出了一种新的可大规模并行化的优化算法，在连续设置中，我们处理了非凸正则化的问题，所得到的混合离散连续算法可以通过现代 GPU 高效加速，并展示了在密集立体匹配和光流应用中的实时性能。

    Jan, 2016