Инновации в глубоком изучении фокуса/дефокуса открывают путь к более мощным системам компьютерного зрения

Ученые из Японии разработали инновационный метод для получения глубины из фокуса/дефокуса, который одновременно решает проблемы, связанные с имеющимися методами. Исследование, опубликованное в International Journal of Computer Vision, было проведено командой под руководством Ясухиро Мукаигавы и Юки Фудзимуры из Нарского института науки и технологий (NAIST) в Японии.

Предложенный метод, названный глубокий метод получения глубины из фокусного стека (DDFS), объединяет модельную оценку глубины с обучающей структурой, чтобы получить лучшее из обоих подходов. DDFS использует “cost volume” на основе входного фокусного стека, настроек камеры и модели дефокусировки объектива для оценки глубины. Метод также использует сеть энкодер-декодер для оценки глубины с постепенным улучшением изображений.

Исследователи сравнили производительность DDFS с другими современными методами получения глубины из фокуса/дефокуса и обнаружили, что предложенный подход превзошел большинство методов по различным метрикам для нескольких наборов изображений. Кроме того, эксперименты сделанные на фокусных стеках, полученных с помощью камеры исследовательской команды, подтвердили потенциал DDFS.

В целом, DDFS может служить перспективным методом для таких областей, как робототехника, автономные транспортные средства, реконструкция 3D-изображений, виртуальная и дополненная реальность, и наблюдение. “Наш метод с инвариантностью к настройкам камеры может расширить применимость техник обучения для оценки глубины,” – заключает Мукаигава.

Надеемся, что это исследование станет отправной точкой для создания более эффективных систем компьютерного зрения.
Оригинальная новость на сайте