Imagens de campo de luz podem registrar simultaneamente informações dos raios de luz em diferentes posições e direções no espaço, fornecendo informações ricas para estimar mapas de profundidade precisos. No entanto, em cenários complexos como oclusões e texturas repetidas, a extração insuficiente de características da imagem resulta em perda de detalhes no mapa de profundidade. Este artigo propõe uma rede de estimação de profundidade de campo de luz baseada em convolução corrigida, aproveitando plenamente as informações estruturais ricas da imagem de campo de luz para melhorar a estimativa de profundidade em regiões complexas como oclusões. Máscaras de oclusão são geradas utilizando o mapa de disparidade inicial e imagens de subaberturas, e a convolução corrigida é usada para discriminar e codificar as informações espaciais das regiões oclusas para percebê-las, combinando características multiescala para complementar detalhes de bordas facilmente perdidos. Por meio de um mecanismo de atenção espacial, as regiões de oclusão recebem maior peso, eliminando informações redundantes e otimizando globalmente o custo subpixel. Resultados experimentais mostram que o método atinge um MSE médio e BadPix (ε=0,03) de 0,951 e 4,261, respectivamente, na plataforma de referência 4D do campo de luz, realizando a estimação de profundidade com menor erro na maioria das cenas, mostrando alta robustez em regiões de oclusão e superando outros algoritmos.

campo de luz;estimação de profundidade;máscara de oclusão;convolução corrigida;atenção espacial