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。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Diffusion-based Light Field Synthesis [50.24624071354433]
  LFdiffは、LF合成に適した拡散ベースの生成フレームワークである。 本稿では,遠絡型雑音推定ネットワークDistgUnetを提案する。 広範囲な実験により、LFdiffは視覚的に快く、不均一に制御可能な光電場を合成する際に優れていることが示されている。
  論文  参考訳（メタデータ） (2024-02-01T13:13:16Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• Epipolar Focus Spectrum: A Novel Light Field Representation and Application in Dense-view Reconstruction [12.461169608271812]
  エピポーラ平面画像(EPI)やサブアパーチャ画像(サブアパーチャ画像)のような既存の光場表現は、ビュー全体の構造的特徴を考慮しない。 本稿では、EPIスペクトルを再構成することで、新しいエピポーラ焦点スペクトル(EFS)表現を提案する。
  論文  参考訳（メタデータ） (2022-04-01T04:01:46Z)
• Anomaly Detection of Defect using Energy of Point Pattern Features within Random Finite Set Framework [5.7564383437854625]
  本稿では,点パターンデータを用いた異常検出をモデルとした産業的欠陥検出のための効率的な手法を提案する。 我々はこれらの制限を克服するために、まず、ローカル/ポイントパターンの特徴を伝達学習(transfer learning)を用いて提案する。 提案手法をMVTec ADデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-08-27T08:06:37Z)
• Learning an optimal PSF-pair for ultra-dense 3D localization microscopy [33.20228745456316]
  複数粒子追跡における長年の課題は、近接した個々の粒子の正確な3次元局在化である。 スナップショット3Dイメージングのための確立されたアプローチの1つはポイント・スプレッド・ファンクション(PSF)エンジニアリングであり、PSFは軸情報を符号化するために修正される。 ここでは,複数のPSFを同時に使用してこの問題を克服し,高密度3次元ローカライゼーションのための複数のPSFの工学的課題を考察する。
  論文  参考訳（メタデータ） (2020-09-29T20:54:52Z)
• Deep Selective Combinatorial Embedding and Consistency Regularization for Light Field Super-resolution [93.95828097088608]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LFサブアパーチャ画像間のコヒーレンスを探索するための,新しい学習ベースLF空間SRフレームワークを提案する。 合成および実世界のLFデータセットに対する実験結果は、最先端手法に対する我々のアプローチの顕著な利点を示している。
  論文  参考訳（メタデータ） (2020-09-26T08:34:37Z)
• Light Field Spatial Super-resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization [99.96632216070718]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-05T14:39:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。