Oct, 2023

透过植被的立体深度感知

PDF
TL;DR当我们结合计算机光学合成孔径感测和人类融合立体图像的能力时，人类和计算方法都能够更好地区分隐藏在树叶下的物体深度。这项研究通过使用由无人机在茂密树林上方拍摄的视频，证明当采用计算合成孔径感测和分层立体视频时，人类观察者能够成功地区分深度，而单独使用计算方法或单眼视觉则无法做到。这揭示了计算方法和人类视觉相结合的系统在执行任务方面的潜力。
发现论文，激发创造
  • 基于深度置信度分析和多线索融合的立体图像显著性检测

    本研究提出了一种新的立体图像显著性检测方法，该方法通过对深度图进行可靠性测量和深度信息引入图形构建，提出了一种新的基于颜色和深度线索的紧凑性定义来计算紧凑性显著性图，并通过基于深度精化的前景种子选择机制和多个线索对比计算前景显著性图，最后通过加权求和的方法将这两种显著性图集成成一个最终的显著性图。在两个公开的立体数据集上的实验表明，与其他 10 种最先进的方法相比，所提出的方法具有更好的性能。

    Oct, 2017

  • 合成孔径异常成像

    本研究旨在探讨在各种应用下检测异常的有效性，包括极地成像、传统航空摄影图像和商用无人机平台，并证明综合检测比简单检测更为有效，可以提高障碍物去除、异常值抑制和检测目标的可能性，主要应用于强植被遮挡下的搜索和救援、野生动物观察、早期野火监测和监控。

    Apr, 2023

  • 自主驾驶中单目 3D 物体检测的伪立体方法

    通过提出一个伪立体式的三维检测框架，包括三种新颖的虚拟视图生成方法和基于视差动态卷积的特征滤波，从单张图片中进行三维物体检测，该方法在 KITTI-3D 基准测试中获得了车辆、行人和骑行者三个类别的第一名。

    Mar, 2022

  • 人作为场景探测器

    通过分析场景中的人和其他物体的运动，我们演示了如何从单个摄像机视点拍摄的视频中推断深度、遮挡、照明和阴影信息，并使用这些信息将新物体复合到相同的场景中，具有高度自动化和逼真性。

    Jul, 2020

  • 机器学习与双目立体视觉在图像深度估计方面的协同作用：一项综述

    本文综述了基于学习的单目和双目图像深度估计的最新研究，强调了立体匹配、机器学习和深度学习之间的协同作用、迄今为止取得的成功以及社区将在不久的将来面临的挑战。

    Apr, 2020

  • 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

  • 野外单张图像的深度感知

    本文介绍了一种新的算法，该算法使用已注释的相对深度学习估算度量深度，结合深度数据和新的相对深度注释，显著提高了野外单张图像的深度感知效果。

    Apr, 2016

  • 极化 + RGB 立体对视图像的深度测量

    提出了一种混合深度成像系统，利用极化相机辅以标准数字相机的第二张图像，通过立体提示结构，使用高阶图模型实现去混淆极化表面法线估计，并利用先前的极化成形方法扩展至透视情况，从而计算稠密详细的绝对深度图。

    Mar, 2019

  • 基于双目视觉的深度估计深度学习技术综述

    该研究综述了基于深度学习的立体视觉对图像深度估计的应用，总结了该领域的常见流程、优缺点并探讨了未来可能的方向。

    Jun, 2020

  • 高光谱光场立体匹配

    本文介绍了如何使用全谱光场捕获（H-LF）系统提取场景深度。我们的方法分为两个部分，第一部分是新的跨光谱配对技术，第二部分是使用 H-LF 立体匹配。实验结果表明，我们的方法能够产生高质量的视差图，并且可以用于产生完整的光场，并合成不同光谱响应下的全焦和散焦彩色图像。

    Sep, 2017