La imagen del campo de luz puede registrar simultáneamente la información de los rayos de luz en diferentes posiciones y direcciones en el espacio, proporcionando información rica para estimar un mapa de profundidad preciso. Sin embargo, en escenas complejas como oclusiones y texturas repetidas, la extracción insuficiente de características de la imagen conduce a la pérdida de detalles en el mapa de profundidad. Este artículo propone una red de estimación de profundidad del campo de luz basada en convolución corregida, que aprovecha plenamente la rica información estructural de las imágenes del campo de luz para mejorar la estimación de profundidad en regiones complejas como las oclusiones. Se genera una máscara de oclusión utilizando el mapa de disparidad inicial y las imágenes de subapertura, se emplea convolución corregida para discriminar y codificar la información espacial de las regiones de oclusión para detectarlas, combinado con características multiescala para complementar los detalles de bordes que se pierden fácilmente. Mediante un mecanismo de atención espacial, se otorga mayor peso a las regiones de oclusión, eliminando información redundante y optimizando globalmente el costo de subpíxeles. Los resultados experimentales muestran que el método alcanza un MSE promedio y BadPix (ε=0.03) de 0.951 y 4.261 respectivamente en la plataforma de referencia 4D de campo de luz, logrando una estimación de profundidad con el error más bajo en la mayoría de las escenas, mostrando alta robustez en regiones de oclusión y superando a otros algoritmos.

campo de luz;estimación de profundidad;máscara de oclusión;convolución corregida;atención espacial