光場画像は空間内の異なる位置と方向の光線情報を同時に記録でき、正確な深度マップの推定に豊富な情報を提供します。しかし、遮蔽や繰り返しのテクスチャなどの複雑なシーンでは、画像特徴の抽出が不足し、深度マップの詳細が失われることがあります。本論文では、補正畳み込みに基づく光場深度推定ネットワークを提案し、光場画像の豊富な構造情報を十分に活用して遮蔽などの複雑領域の深度推定を改善します。初期の視差マップとサブアパーチャ画像を利用して遮蔽マスクを生成し、補正畳み込みにより遮蔽領域の空間情報を判別および符号化して遮蔽領域を認識し、マルチスケール特徴と組み合わせて失われやすいエッジの詳細情報を補完します。空間注意機構により、遮蔽領域にはより大きな重みが付与され、冗長な情報を除去し、サブピクセルコスト体をグローバルに最適化します。実験結果は、本手法が4D光場ベンチマークプラットフォームで平均MSEおよびBadPix（ε=0.03）でそれぞれ0.951および4.261を達成し、ほとんどのシーンで最小誤差の深度推定を実現し、遮蔽領域で高い頑健性を示し、他のアルゴリズムより優れていることを示しています。

光場;深度推定;遮蔽マスク;補正畳み込み;空間注意