手机版 English 帮助中心
外文文献知网节
文献信息节点
基本信息 摘要 关键词 核心评价 相关文献
Journal | [J] 计算机系统网络和电信 Volume 4, Issue 2. 2022.
基于光场图像的深度估计及快速三维重建研究
作者 : 马 宇航, 郑 胜男, 刘 恒亓, 陈 迪祺
DOI: 10.12361/2661-3727-04-02-84930
全部来源
获取全文
摘要 / Abstract
三维重建是计算机视觉中的经典问题之一，其应用领域广泛，一直是相关领域研究的热点。而三维重建的 精确性和速度取决于场景深度信息的估计。随着光场成像技术的发展，光场图像的获取越来越便利，光场图像包含 四维信息，有利于场景深度信息的精确估计。深度学习在光场图像深度估计中的应用提高了光场图像深度估计的速 度和精度，进一步能够实现场景的三维重建。本文研究利用光场图像结合深度学习进行场景深度估计，最终实现近 景快速的三维重建。
关键词 / Keywords
光场图像；深度估计；深度学习；快速三维重建
Related articles / 相关文献
相似文献
作者发文
机构发文
关键词分析
相似文献（说明：与本文内容较接近的文献）
  • [1] Luo Y , Zhou W , Fang J , et al. EPI-Patch Based
  • Convolutional Neural Network for Depth Estimation on 4D Light
  • Field[C]// International Conference on Neural Information
  • Processing. Springer, Cham, 2017.
  • [2] Shin C , Jeon H G , Yoon Y , et al. EPINET: A
  • Fully-Convolutional Neural Network Using Epipolar Geometry
  • for Depth from Light Field Images[J]. IEEE, 2018.
  • [3] Zhou W , Wei X , Yan Y , et al. A hybrid learning
  • of multimodal cues for light field depth estimation[J]. Digital
  • Signal Processing, 2019, 95(11):102585.
  • [4] Tsai Y J , Liu Y L , Ming O , et al. AttentionBased View Selection Networks for Light-Field Disparity
  • Estimation[J]. Proceedings of the AAAI Conference on
  • Artificial Intelligence, 2020, 34(7):12095-12103.
  • [5] Woo S , Park J , Lee J Y , et al. CBAM: Convolutional
  • Block Attention Module[J]. Springer, Cham, 2018.
  • [6] Wanner S，Meister S,Goldluecke B.Datasets
  • and benchmarks for densely sampled 4d light field[C]//
  • VMV.2013:225-226.
  • [7] Honauer K , Johannsen O , Kondermann D , et al. A
  • Dataset and Evaluation Methodology for Depth Estimation on
  • 4D Light Fields[C]// Asian Conference on Computer Vision.
  • Springer, Cham, 2016.
《中国学术期刊(光盘版)》电子杂志社有限公司 KDN平台基础技术由KBASE 11.0提供
© 2014-2018中国知网(CNKI) 京公网安备11010802020460号 经营性网站备案信息 互联网出版许可证 新出网证(京)字271号 京ICP证040431号