論文の概要: Mind the Exit Pupil Gap: Revisiting the Intrinsics of a Standard
Plenoptic Camera
- arxiv url: http://arxiv.org/abs/2402.12891v1
- Date: Tue, 20 Feb 2024 10:35:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 15:40:41.990357
- Title: Mind the Exit Pupil Gap: Revisiting the Intrinsics of a Standard
Plenoptic Camera
- Title(参考訳): 出口の瞳孔を心に留めて--plenoptic標準カメラの本質を振り返る
- Authors: Tim Michels, Daniel M\"ackelmann and Reinhard Koch
- Abstract要約: SPC画像における主眼球出口瞳孔の役割について検討した。
復号化光場に対する再焦点距離と再サンプリングパラメータとの接続を推定する。
我々は、レンズカメラ光学のより正確でニュアンスな理解に貢献することを目指している。
- 参考スコア(独自算出の注目度): 0.9940462449990576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Among the common applications of plenoptic cameras are depth reconstruction
and post-shot refocusing. These require a calibration relating the camera-side
light field to that of the scene. Numerous methods with this goal have been
developed based on thin lens models for the plenoptic camera's main lens and
microlenses. Our work addresses the often-overlooked role of the main lens exit
pupil in these models and specifically in the decoding process of standard
plenoptic camera (SPC) images. We formally deduce the connection between the
refocusing distance and the resampling parameter for the decoded light field
and provide an analysis of the errors that arise when the exit pupil is not
considered. In addition, previous work is revisited with respect to the exit
pupil's role and all theoretical results are validated through a
ray-tracing-based simulation. With the public release of the evaluated SPC
designs alongside our simulation and experimental data we aim to contribute to
a more accurate and nuanced understanding of plenoptic camera optics.
- Abstract(参考訳): plenopticカメラの一般的な用途は、深度再構成とポストショット再フォーカスである。
これにはカメラ側の光野とシーンの光野を関連付けるキャリブレーションが必要となる。
この目標の多くの方法は、plenopticカメラのメインレンズとマイクロレンズの薄いレンズモデルに基づいて開発されている。
我々の研究は、これらのモデル、特に標準レンズカメラ(SPC)画像の復号過程における主レンズ出口の瞳孔の役割をよく見落としている。
我々は,再焦点距離と復号光場の再サンプリングパラメータとの接続を形式的に推定し,出口瞳孔が考慮されない場合に生じる誤差の解析を行う。
また, 留学生の役割に関して, 先行研究を再検討し, 理論結果をレイトレーシングシミュレーションにより検証した。
シミュレーションと実験データとともに評価されたspc設計のパブリックリリースにより、我々はplenopticカメラ光学をより正確かつ微妙な理解に寄与することを目指している。
関連論文リスト
- Optical Aberration Correction in Postprocessing using Imaging Simulation [17.331939025195478]
モバイル写真の人気は増え続けている。
最近のカメラは、これらの修正作業の一部を光学設計から後処理システムに移行した。
光学収差による劣化を回復するための実用的手法を提案する。
論文 参考訳(メタデータ) (2023-05-10T03:20:39Z) - A Geometric Model for Polarization Imaging on Projective Cameras [5.381004207943598]
一般射影カメラが光偏光状態をどのように捉えているかを記述する幾何学的モデルを提案する。
本モデルは, 原画像に作用する前処理操作として実装され, その後, 再構成された正規フィールドの画素単位の回転が続く。
既存のデータセットと新しいデータセットの実験は、市販の偏光カメラに適用した場合のモデルの精度を示している。
論文 参考訳(メタデータ) (2022-11-29T17:12:26Z) - Learning rich optical embeddings for privacy-preserving lensless image
classification [17.169529483306103]
我々は、光学系をエンコーダとしてキャストするユニークな多重化特性を利用して、カメラセンサーに直接学習した埋め込みを生成する。
画像分類の文脈では、エンコーダのパラメータと画像分類器のパラメータをエンドツーエンドで共同で最適化する。
我々の実験は、レンズレス光エンコーダとデジタル処理を共同で学習することで、センサーに低解像度の埋め込みが可能であることを示し、その結果、これらの測定から有意義な画像の復元がはるかに困難であることから、プライバシーが向上することを示している。
論文 参考訳(メタデータ) (2022-06-03T07:38:09Z) - Ray Tracing-Guided Design of Plenoptic Cameras [1.1421942894219896]
レンズカメラの設計には、2つの異なる光学系の組み合わせが必要である。
そこで本稿では,制約の組によって残される開口,センサ,マイクロレンズの配列パラメータを計算する手法を提案する。
我々のレイトレーシングに基づくアプローチは、一般的に用いられるパラ軸近似で生成されたペンダントよりも優れた結果をもたらすことが示されている。
論文 参考訳(メタデータ) (2022-03-09T11:57:00Z) - Unrolled Primal-Dual Networks for Lensless Cameras [0.45880283710344055]
教師付き原始二重再構成法を学習することで,文献における画像品質の整合性が得られることを示す。
この改善は、学習可能な前方モデルと随伴モデルとを学習された原始双対最適化フレームワークに組み込むことで、再構成画像の品質を向上できるという発見に起因している。
論文 参考訳(メタデータ) (2022-03-08T19:21:39Z) - How to Calibrate Your Event Camera [58.80418612800161]
画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。
ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
論文 参考訳(メタデータ) (2021-05-26T07:06:58Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳(メタデータ) (2021-04-07T12:00:38Z) - 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) - Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。
本手法では, 回折光学素子 (DOE) を用いる。
DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
論文 参考訳(メタデータ) (2020-09-01T14:19:35Z) - Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。
Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。
本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
論文 参考訳(メタデータ) (2020-08-15T02:29:13Z) - DeProCams: Simultaneous Relighting, Compensation and Shape
Reconstruction for Projector-Camera Systems [91.45207885902786]
本稿では,ProCamsの測光および幾何学的マッピングを学習するために,DeProCamsという新しいエンドツーエンドトレーニングモデルを提案する。
DeProCamsは、プロジェクターカメライメージマッピングを、シェーディング属性推定、粗い直接光推定、フォトリアリスティックなニューラルレンダリングの3つのサブプロセスに明示的に分解する。
私たちの実験では、DeProCamsは、期待できる品質と完全に差別化可能な従来の芸術よりも明確な優位性を示している。
論文 参考訳(メタデータ) (2020-03-06T05:49:16Z)
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。