Core Concepts
실제 카메라의 공간적으로 변화하는 PSF를 효과적으로 추정하기 위한 자기 감독형 학습 방법 소개
Abstract
논문에서는 실제 카메라의 공간적으로 변화하는 PSF를 추정하는 새로운 방법을 제안합니다.
PSF 추정을 위해 자기 감독형 학습 방법을 사용하여 실제 날카로운 이미지와 흐린 이미지 쌍을 활용합니다.
회전 대칭 PSF를 가정하고 극좌표 시스템을 도입하여 PSF 추정 네트워크를 더 정확하게 학습합니다.
실험 결과는 PSF 및 깊이 추정 측면에서 방법의 효과를 입증합니다.
PSF 추정 방법
실제 PSF 추정을 위한 훈련 데이터 수집
극좌표 PSF 모델
자기 감독형 PSF 추정 네트워크 훈련
깊이 추정 결과
합성 데이터에 대한 PSF 추정 결과
실제 데이터에 대한 PSF 추정 결과
실제 데이터에 대한 깊이 추정 결과
Stats
"실제 날카로운 이미지와 흐린 이미지 쌍을 활용하여 PSF 추정 네트워크를 훈련합니다."
"PSF 추정 결과를 평가하기 위해 실제 PSF를 사용하는 기존 방법과 비교합니다."
Quotes
"우리의 방법은 지상 진실 PSF를 필요로하지 않고 자기 감독을 통해 공간적으로 변화하는 PSF를 추정합니다."
"우리의 방법은 PSF 및 깊이 추정 면에서 효과를 실험적으로 입증합니다."