광장 이미지는 공간 내 서로 다른 위치와 방향에 있는 빛의 광선을 동시에 기록할 수 있어 정확한 깊이 지도를 추정하는 데 풍부한 정보를 제공합니다. 그러나 가림 및 반복되는 텍스처와 같은 복잡한 장면에서는 이미지 특징 추출이 부족하여 깊이 지도 세부 정보가 손실될 수 있습니다. 본 논문은 보정 합성을 기반으로 하는 광장 깊이 추정 네트워크를 제안하며, 광장 이미지의 풍부한 구조 정보를 충분히 활용하여 가림과 같은 복잡한 영역에서 깊이 추정을 개선합니다. 초기 시차 맵과 서브 조리개 이미지를 이용하여 가림 마스크를 생성하고, 보정 합성을 사용하여 가림 영역의 공간 정보를 판별하고 인코딩하여 가림 영역을 인지하며, 다중 스케일 특징을 결합하여 쉽게 손실되는 경계 세부 정보를 보충합니다. 공간 주의 메커니즘을 통해 가림 영역에 더 큰 가중치를 부여하여 중복 정보를 제거하고 전역적으로 서브픽셀 비용체를 최적화합니다. 실험 결과 본 방법은 4D 광장 기준 플랫폼에서 평균 MSE 및 BadPix(ε=0.03) 값이 각각 0.951 및 4.261에 도달하였으며, 대부분 장면에서 가장 낮은 오차의 깊이 추정을 실현하고, 가림 영역에서 높은 견고성을 보이며 다른 알고리즘보다 우수한 성능을 나타냅니다.

광장;깊이 추정;가림 마스크;보정 합성;공간 주의