論文の概要: Light Field Depth Estimation via Stitched Epipolar Plane Images

• arxiv url: http://arxiv.org/abs/2203.15201v2
• Date: Sat, 2 Sep 2023 14:35:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 12:11:56.308038
• Title: Light Field Depth Estimation via Stitched Epipolar Plane Images
• Title（参考訳）: 修正エピポーラ平面画像による光深度推定
• Authors: Ping Zhou, Xiaoyang Liu, Jing Jin, Yuting Zhang, and Junhui Hou
• Abstract要約: 本研究では,スライス計算を強化するための縫合EPI(SEPI)の概念を提案する。 SEPIは、同じ3Dポイントに対応する異なるEPIから線をシフトして連結することで、これを達成します。 また,テクスチャレス領域における深度推定の改善を目的とした深度伝搬戦略を提案する。
• 参考スコア（独自算出の注目度）: 48.27782556840991
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Depth estimation is a fundamental problem in light field processing. Epipolar-plane image (EPI)-based methods often encounter challenges such as low accuracy in slope computation due to discretization errors and limited angular resolution. Besides, existing methods perform well in most regions but struggle to produce sharp edges in occluded regions and resolve ambiguities in texture-less regions. To address these issues, we propose the concept of stitched-EPI (SEPI) to enhance slope computation. SEPI achieves this by shifting and concatenating lines from different EPIs that correspond to the same 3D point. Moreover, we introduce the half-SEPI algorithm, which focuses exclusively on the non-occluded portion of lines to handle occlusion. Additionally, we present a depth propagation strategy aimed at improving depth estimation in texture-less regions. This strategy involves determining the depth of such regions by progressing from the edges towards the interior, prioritizing accurate regions over coarse regions. Through extensive experimental evaluations and ablation studies, we validate the effectiveness of our proposed method. The results demonstrate its superior ability to generate more accurate and robust depth maps across all regions compared to state-of-the-art methods. The source code will be publicly available at https://github.com/PingZhou-LF/Light-Field-Depth-Estimation-Based-on-Stitched-EPIs.
• Abstract（参考訳）: 深度推定は光場処理の基本的な問題である。 エピポーラ平面画像(EPI)に基づく手法は、離散化誤差や角度分解能の制限による勾配計算の精度の低下といった問題にしばしば遭遇する。 既存の手法は、ほとんどの地域ではうまく機能するが、閉ざされた地域で鋭い縁を作り、テクスチャのない地域で曖昧さを解決するのに苦労している。 これらの問題に対処するため,我々は斜面計算を強化するためのstitched-epi (sepi) の概念を提案する。 SEPIは、同じ3Dポイントに対応する異なるEPIから線をシフトして連結することでこれを達成している。 さらに, 咬合処理を行う行の非閉塞部分のみに焦点をあてたハーフセピアルゴリズムを提案する。 さらに,テクスチャレス領域における深度推定の改善を目的とした深度伝搬戦略を提案する。 この戦略は、エッジから内部へ進み、粗い領域上の正確な領域を優先することで、そのような領域の深さを決定することである。 広範囲な実験評価とアブレーション実験を行い,提案手法の有効性を検証した。 その結果,最先端の手法と比較して,全領域にわたって高精度でロバストな奥行き地図を生成することができることがわかった。 ソースコードはhttps://github.com/PingZhou-LF/Light-Field-Depth-Estimation-Based-on-Stitched-EPIsで公開されている。

関連論文リスト

• Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
  様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。 まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。 大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:55:33Z)
• Self-Supervised Light Field Depth Estimation Using Epipolar Plane Images [13.137957601685041]
  光深度推定のための自己教師付き学習フレームワークを提案する。 提案手法は,他の最先端手法と比較して,実世界のシナリオにおいて高品質な結果を得ることができる。
  論文  参考訳（メタデータ） (2022-03-29T01:18:59Z)
• Edge-aware Bidirectional Diffusion for Dense Depth Estimation from Light Fields [31.941861222005603]
  本研究では,光場から深度エッジと勾配のスパースセットを用いて高速かつ正確な深度マップを推定するアルゴリズムを提案する。 提案手法は,テクスチャエッジよりも深度エッジの方が局所的制約に敏感であるという考え方に基づいている。
  論文  参考訳（メタデータ） (2021-07-07T01:26:25Z)
• Occlusion-aware Unsupervised Learning of Depth from 4-D Light Fields [50.435129905215284]
  4次元光場処理と解析のための教師なし学習に基づく深度推定法を提案する。 光場データの特異な幾何学構造に関する基礎知識に基づいて,光場ビューのサブセット間の角度コヒーレンスを探索し,深度マップを推定する。 提案手法は,従来の手法と同等の精度で計算コストを低減した深度マップを作成できる。
  論文  参考訳（メタデータ） (2021-06-06T06:19:50Z)
• Efficient Depth Completion Using Learned Bases [94.0808155168311]
  深度補正のための新しい大域的幾何制約を提案する。 低次元部分空間上によく配置される深さ写像を仮定することにより、高密度深度写像は全解像度の主深度基底の重み付け和で近似することができる。
  論文  参考訳（メタデータ） (2020-12-02T11:57:37Z)
• View-consistent 4D Light Field Depth Estimation [37.04038603184669]
  本研究では,光場内の各サブアパーチャ画像の深度マップを一貫したビューで計算する手法を提案する。 提案手法は,EPIを用いて深度エッジを正確に定義し,その辺を中央の視野内で空間的に拡散させる。
  論文  参考訳（メタデータ） (2020-09-09T01:47:34Z)
• Non-Local Spatial Propagation Network for Depth Completion [82.60915972250706]
  本研究では,深度完了のための堅牢で効率的な非局所的空間伝搬ネットワークを提案する。 提案するネットワークは,RGBとスパース深度画像を入力とし,各画素の非局所的近傍とその親和性を推定する。 提案アルゴリズムは,混合深度問題に対する深度補完精度とロバスト性の観点から,従来のアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-07-20T12:26:51Z)
• EPI-based Oriented Relation Networks for Light Field Depth Estimation [13.120247042876175]
  水平および垂直のエピポーラ平面画像(EPI)上の交点の深さ値を推定するために、終端から終端までの完全畳み込みネットワーク(FCN)を提案する。 本稿では,線方向関係を構成するORM(Oriented Relation Module)と呼ばれる新しい特徴抽出モジュールを提案する。 トレーニングを容易にするため,同じシーンポイントのEPIから異なる傾斜を求めるために,リフォーカスに基づくデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T03:39:09Z)
• Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
  カラービデオから多フレーム深度を推定する新しい学習手法を提案する。 本手法は深度推定精度において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2020-04-02T07:10:45Z)

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。