Lichtfeldbilder können gleichzeitig Lichtstrahlinformationen an verschiedenen Positionen und Richtungen im Raum aufzeichnen und liefern somit reichhaltige Informationen zur Schätzung präziser Tiefenkarten. In komplexen Szenen wie Überdeckungen und sich wiederholenden Texturen führt jedoch eine unzureichende Merkmalsextraktion zu Detailverlusten in der Tiefenkarte. Dieser Artikel schlägt ein korrigiertes Faltungsnetzwerk zur Tiefenschätzung im Lichtfeld vor, das die reichhaltigen strukturellen Informationen des Lichtfeldbildes voll ausnutzt, um die Tiefenschätzung in komplexen Bereichen wie Überdeckungen zu verbessern. Mit anfänglicher Disparitätskarte und Subaperturbildern wird eine Überdeckungsmaske generiert, korrigierte Faltung wird verwendet, um die räumlichen Informationen der Überdeckungsbereiche zu diskriminieren und zu kodieren, um diese wahrzunehmen, kombiniert mit mehrskaligen Merkmalen zur Ergänzung leicht verlierbarer Kantendetails. Durch einen räumlichen Aufmerksamkeitsmechanismus erhalten Überdeckungsbereiche ein höheres Gewicht, redundante Informationen werden eliminiert und die subpixelgenauen Kosten global optimiert. Experimentelle Ergebnisse zeigen, dass die Methode auf der 4D-Lichtfeld-Benchmarkplattform durchschnittliche MSE- und BadPix-Werte (ε=0.03) von 0,951 bzw. 4,261 erreicht, in den meisten Szenen die geringsten Fehler bei der Tiefenschätzung erzielt, eine hohe Robustheit in Überdeckungsbereichen zeigt und andere Algorithmen übertrifft.

Lichtfeld;Tiefenschätzung;Oklusionsmaske;korrigierte Faltung;räumliche Aufmerksamkeit