基于结构重参数化的抗遮挡光场深度估计网络

针对光场深度估计网络结构中运算时间较长的问题,设计了一种能够被重参数化的多分支串联残差块结构(Res-DBLB),加快了网络运算速度,同时引入复合卷积块(RepConv)和卷积注意力模块(CBAM),优化网络性能.对于复杂的遮挡场景,利用深度图生成遮挡掩码,计算遮挡感知成本的构造函数,消除遮挡的负面影响.实验结果表明:与传统方法相比,该算法的均方误差和坏像素率更低,推理速度更快,同时在复杂遮挡场景中表现出较高的稳健性.

基于ASAM注意力机制的光场图像压缩方法

为了研究光场图像的空间信息和相似角度信息之间的差异性,提高光场图像的传输效率,提出了一种基于端到端网络的角度空间注意力模型(ASAM)注意力机制的光场图像压缩方法.以卷积块注意力模型(CBAM)的注意力机制为基础,增强了相对角度特征,提高了压缩编码效率.稀疏图像采用H.266/VVC视频编解码器进行压缩,通过子孔径图像(SAI)网络恢复编码后的图像.结果表明,与现有的光场图像压缩方法相比,所提出的光场图像压缩方法具有较高的图像压缩性能,Bjøntegaard-Delta比特率(BD-BR)降低了52.30%,Bjøntegaard-Delta峰值信噪比(BD-PSNR)提高了3.33 dB.

基于光场图像信息解耦超分辨率重建研究

光场(LF)信息具有高维特性,重建任务中所需要的空间信息与角度信息在宏像素图中高度耦合.为了充分利用空间角度信息,提高超分辨率(SR)重建质量,提出一个改进的基于光场空间角度解耦机制的LF图像角度SR重建网络设计.考虑到图像中的不同特征对重建质量的影响,通过不同的通道分配机制改变各特征的影响程度,提高重建准确性,在堆叠特征提取层的同时,引入注意力机制,获取更加丰富的空间角度信息.在测试场景上的实验结果表明,所提出的重建网络在合成与真实场景里都有较好的重建效果.在两个合成场景数据集上峰值信噪比/结构相似性(PSNR/SSIM)参数分别为34.62/0.964与42.68/0.972,在真实场景上的PSNR/SSIM均值为39.67/0.990.

住校生写真

我家离一中不远,但考入一中后我仍坚持住校,因为我想要体验一下传闻中那"集中营式"的集体生活,并用事实证明:我,一棵从小就在温室里娇生惯养的小草,也能在温室外活得好好的!怀着这样的想法,我毅然搬进了506寝室,开始了我的住校生活。半个多月过去了,我瘦了好几斤,以前见过我的人都说我现在很有骨感——就是给人以人体骨骼标本的感觉。