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
- Parametric Level-sets Enhanced To Improve Reconstruction (PaLEnTIR) [0.0]
本稿では,PaLEnTIRを用いた2次元および3次元の断片的定数物体の復元と復元について考察する。
我々のモデルは、マルチコントラスト、マルチオブジェクト問題に対する現在のアプローチに対して、明確なアドバンテージを提供する。
本稿では,2次元および3次元のX線CT,拡散光トモグラフィ(DOT),デノイング,デコンボリューション問題を用いて,新しい手法の性能を実証する。
論文 参考訳(メタデータ) (2022-04-21T00:03:44Z) - 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) - Light Field Depth Estimation Based on Stitched-EPI [56.71034638920317]
本研究では,非閉塞領域と閉塞領域に対する縫合EPIアルゴリズムと半安定EPIアルゴリズムを提案する。
アルゴリズムは、異なるEPIで線をシフト・連結することで斜面の計算を改善するが、3Dシーンでは同じ点に関連し、ハーフスティッチ付きEPIは行の非閉塞部分のみを使用する。
テクスチャのない地域での深度推定を改善するため, エッジからインテリアまで, 正確な領域から粗い領域まで, 深度を推定する深度伝搬戦略を提案する。
論文 参考訳(メタデータ) (2022-03-29T02:43:40Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳(メタデータ) (2021-10-27T07:18:32Z) - 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) - Scale-Consistent Fusion: from Heterogeneous Local Sampling to Global
Immersive Rendering [9.893045525907219]
画像に基づく幾何モデリングと、スパースに基づく新しいビュー合成は、バーチャルリアリティや没入型テレプレゼンスのような新興マルチメディアアプリケーションにとって難しいが重要な課題である。
LFカメラの普及により、LF画像(LFI)の撮影は通常の写真撮影と同じくらい便利になり、幾何情報も確実に推測できる。
本稿では,大域的幾何融合のための異なるキャプチャ間の分散確率ボリューム(DPV)を頑健に整合させる,新しいスケール一貫性ボリューム再スケーリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-06-17T14:27:08Z) - Deep Two-View Structure-from-Motion Revisited [83.93809929963969]
2次元構造移動(SfM)は3次元再構成と視覚SLAMの基礎となる。
古典パイプラインの適切性を活用することで,深部2視点sfmの問題を再検討することを提案する。
本手法は,1)2つのフレーム間の密対応を予測する光フロー推定ネットワーク,2)2次元光フロー対応から相対カメラポーズを計算する正規化ポーズ推定モジュール,3)エピポーラ幾何を利用して探索空間を縮小し,密対応を洗練し,相対深度マップを推定するスケール不変深さ推定ネットワークからなる。
論文 参考訳(メタデータ) (2021-04-01T15:31:20Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳(メタデータ) (2021-03-24T08:16:32Z) - A learning-based view extrapolation method for axial super-resolution [52.748944517480155]
軸光界分解能は、再焦点によって異なる深さで特徴を区別する能力を指します。
せん断エピポーラ平面画像の軸体積から新しい視点を推定する学習に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-03-11T07:22:13Z) - Light Field Reconstruction via Attention-Guided Deep Fusion of Hybrid
Lenses [63.05192055613281]
本稿では,ハイブリットレンズを用いた高分解能光場(LF)画像の再構成問題について検討する。
入力の特定の特性を総合的に活用できる,新しいエンドツーエンド学習手法を提案する。
当社のフレームワークは、高解像度LFデータ取得のコストを削減し、LFデータストレージと伝送に利益をもたらす可能性があります。
論文 参考訳(メタデータ) (2021-02-14T06:44:47Z)
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。