Fugu-MT 論文翻訳(概要): Deep Anti-aliasing of Whole Focal Stack Using its Slice Spectrum

論文の概要: Deep Anti-aliasing of Whole Focal Stack Using its Slice Spectrum

arxiv url: http://arxiv.org/abs/2101.09420v1
Date: Sat, 23 Jan 2021 05:14:49 GMT
ステータス: 処理完了
システム内更新日: 2021-03-19 10:42:02.804659
Title: Deep Anti-aliasing of Whole Focal Stack Using its Slice Spectrum
Title（参考訳）: スライススペクトルを用いた全焦点スタックの深部アンチエイリアシング
Authors: Yaning Li, Xue Wang, Guoqing Zhou, and Qing Wang
Abstract要約: 本研究の目的は,スパース3次元光場から発生する全焦点スタックのエイリアス効果を除去することである。まず,焦点スタックスライスに埋め込まれた構造特性とその周波数領域表現について検討する。我々はまた、FSSのエネルギー分布が常に異なる角度サンプリングレートの下で同じ三角形領域内に位置することを観察する。
参考スコア（独自算出の注目度）: 7.746179634773142
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper aims at removing the aliasing effects for the whole focal stack generated from a sparse 3D light field, while keeping the consistency across all the focal layers.We first explore the structural characteristics embedded in the focal stack slice and its corresponding frequency-domain representation, i.e., the focal stack spectrum (FSS). We also observe that the energy distribution of FSS always locates within the same triangular area under different angular sampling rates, additionally the continuity of point spread function (PSF) is intrinsically maintained in the FSS. Based on these two findings, we propose a learning-based FSS reconstruction approach for one-time aliasing removing over the whole focal stack. What's more, a novel conjugate-symmetric loss function is proposed for the optimization. Compared to previous works, our method avoids an explicit depth estimation, and can handle challenging large-disparity scenarios. Experimental results on both synthetic and real light field datasets show the superiority of the proposed approach for different scenes and various angular sampling rates.
Abstract（参考訳）: 本稿では,全焦点層間の一貫性を維持しつつ,スパース3次元光界から発生する焦点スタック全体のエイリアシング効果を除去し,まず焦点スタックスライスに埋め込まれた構造特性と対応する周波数領域表現,すなわち焦点スタックスペクトル(fss)について検討する。また, FSS のエネルギー分布は, 異なる角度のサンプリング速度で常に同じ三角形領域内にあり, さらに, 点拡散関数 (PSF) の連続性は FSS に内在的に維持されている。これらの2つの知見に基づいて,焦点スタック全体の除去を1回のエイリアス化するための学習ベースのFSS再構成手法を提案する。さらに,新しい共役対称損失関数を最適化のために提案する。従来の手法と比較すると,提案手法は明確な奥行き推定を回避し,大きな異質なシナリオに対処できる。合成光場と実光場の両方における実験結果から,異なるシーンに対する提案手法の優位性と,様々な角度のサンプリングレートが示された。