蓋世汽車訊 在計算機視覺的一些應(yīng)用中，例如增強現(xiàn)實和自動駕駛汽車，估計物體和相機之間的距離是一項重要任務(wù)。聚焦/散焦深度是利用圖像中的模糊作為線索來實現(xiàn)這一過程的技術(shù)之一。聚焦/散焦深度通常需要一堆以不同焦距拍攝的同一場景的圖像，這種技術(shù)稱為“焦點堆棧”。

在過去的十幾年里，科學(xué)家們提出許多不同的聚焦/散焦深度方法，其中大多數(shù)可以分為兩類。第一類包括基于模型的方法，使用數(shù)學(xué)和光學(xué)模型根據(jù)清晰度或模糊度來估計場景深度。然而，此類方法的主要問題是它們無法處理無紋理的表面，而無紋理的表面在整個焦點堆棧上看起來幾乎相同。

第二類包括基于學(xué)習(xí)的方法，可以訓(xùn)練這些方法以有效地執(zhí)行聚焦/散焦深度，即使對于無紋理的表面也是如此。然而，如果用于輸入焦點堆棧的攝像頭設(shè)置與訓(xùn)練數(shù)據(jù)集中使用的攝像頭設(shè)置不同，這些方法就會失敗。

據(jù)外媒報道，日本研究人員克服了這些限制，開發(fā)出創(chuàng)新的聚焦/散焦深度方法，可以同時解決上述問題。該相關(guān)研究由日本奈良先端科學(xué)技術(shù)大學(xué)院大學(xué)的Yasuhiro Mukaikawa和Yuki Fujimura領(lǐng)導(dǎo)，且已發(fā)表在《International Journal of Computer Vision》上。