.png){kind=icon}
返回
Multiplane depth image for view-consistent light field depth estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.114363.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光场相机捕获了光线的空间和角度信息，提供了丰富的数据，这使得中心视图深度估计近年来成为一个备受关注的研究课题。然而，中心视图深度估计的有限灵活性给实际应用带来了重大挑战，凸显了全视图深度估计的必要性。该领域的主要挑战是确保视图一致性。多平面图像（Multiplane Image）是一种广泛用于视图合成的技术，它将3D场景表示为一组平行的2D图像平面。受此结构启发，我们提出了一种新型方法，称为多平面深度图像（MDI），该方法利用多视图间密度特征的一致性，更有效地表示深度信息。为了准确捕捉遮挡物体的空间关系，我们引入了一种场景级分层密度更新机制，该机制从前景到背景渲染深度，促进更连贯的深度表示。此外，它通过关注更新密度中明显的缺失区域，在传播过程中校正可见的空洞。最后，我们基于这些技术开发了一个基于光场（LF）的全视图深度估计框架，该框架能够实现所有视图的同时深度预测。该框架整合了一个全面的损失函数，以监督深度误差、视图一致性和边缘模糊。实验结果表明，我们的方法能够预测全视图的高质量深度图，并相比中心视图方法取得了最先进的性能。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Local Light Field Fusion: Practical View Synthesis with Prescriptive Sampling Guidelines局部光场融合: 具有规定采样指南的实用视图合成
OAAI
.png){kind=icon}
OAAI分享收藏
View synthesis with multiplane images from computationally generated RGB-D light fields基于计算生成RGB-D光场的多平面图像视图合成
PREAI
分享收藏
查看更多内容