基于灵活的角平面的限制对象空间光场成像
该论文介绍了一种基于结构光原理的3D扫描系统的开发,该系统无需专用设备,实现对真实物体几何信息的获取,同时引入了一种名为“3DUNDERWORLD-SLS”的开源扫描软件,其中实现了论文提出的技术,并经过了广泛的测试和评估。
Jun, 2014
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
提出了一种基于球形传感器的无透镜成像结构OrbCam,利用像素在曲面上的方向性改善了场景到传感器之间映射的条件,并通过设计球形传感器像素的方向响应功能,实现了稳健且抗噪的测量。
Jun, 2023
本研究提出了一种基于优化的方法,用于非直视成像,旨在重建不同设置下的隐藏场景。我们的方法建立在一个观察基础之上,即如果忽略隐藏表面之间的相互作用,从隐藏体积的每个点返回的光子可以独立计算。我们的方法利用广义光传播函数准确地表示瞬态,作为这些函数的线性组合。此外,我们提出的方法包括一个域缩减过程,将隐藏体积的空白区域从传播函数集合中排除,从而提高了优化的计算效率。我们在各种非直视场景中证明了该方法的有效性,包括非平面中继墙,稀疏扫描模式,共焦和非共焦,以及表面几何重建。对合成和真实数据进行的实验证明了该方法在一般非直视场景中的优越性和高效性。
Aug, 2023
我们设计了一个基于光学分束器的混合光场成像原型,可以同时记录4D光场图像和高分辨率的2D图像,并生成混合光场数据集。然后,我们提出了一种基于无监督学习的超分辨率框架,利用混合光场数据集自适应地解决具有复杂退化模型的光场空间超分辨率问题。我们的方法在实验证明了与基于监督学习的最先进方法具有相同的优势。据我们所知,这是光场成像研究中第一种端到端无监督学习的空间超分辨率方法,其输入可以从我们的基于光学分束器的混合光场系统中获得。硬件和软件的结合有望在很大程度上促进光场超分辨率的应用。
Feb, 2024
我们提出了一种利用编码孔径和事件相机结合的计算成像方法,通过在单次曝光中应用一系列编码模式来记录视差信息,并使用图像帧和事件共同计算重建光场的算法流程,该方法可在单次曝光中实现比其他成像方法更准确的重建,并且在相机上能够以22毫秒内完成测量的硬件原型表现出令人信服的视觉质量。
Mar, 2024
光场成像具有捕捉角度和空间光分布的能力,通过模块化方法进行分辨率增强,以每个光场视角独立增强分辨率的纹理变换网络,并利用光场的规则性来同时提高所有光场图像视角的分辨率,相比现有方法在定性和定量评估方面表现出更好的性能。
May, 2024
在这项研究中,我们提出了一个新的混合光线追踪和波传播模型,用于准确模拟光学像差和衍射相位调制,该模型完全可微分,实现了折射-衍射透镜优化和图像重建网络的端到端共同设计,实验结果验证了该模型的准确性,并展示了在像差校正和扩展景深成像方面的显著改进。
Jun, 2024
通过修改光线投射模型以利用透镜光学,我们提出了一种改进的模型,并且能够更好地匹配实际摄像机的虚焦模糊行为,特别是在部分遮挡的情况下,从而实现更锐利的重建,将全焦点图像的峰值信噪比在合成和真实数据集上提高了最多3 dB。
Jun, 2024