Dissertação

Deep Depth from Plenoptic Images EVALUATED

As câmaras plenópticas projectam um ponto 3D discriminando as contribuições dos raios de luz para vários viewpoints. Estas permitem o desenvolvimento de métodos de estimação de profundidade, como profundidade através de foco, como presente na rede neuronal DDFFNet apresentada por Caner Hazirbas \etal. O treino da DDFFNet tem implícito uma geometria de câmera específica, definida pelo array de microlentes e a configuração (zoom e focus) da lente principal. Nesta dissertação aumentamos o intervalo de aplicação da rede ao aceitar como input intervalos de disparidade maiores que podem ser obtidos através de configurações ou câmaras diferentes. A metodologia proposta envolve converter um campo de visão e um intervalo de profundidade em configurações dentro das treinadas pela DDFFNet. A conversão dos dados de input é baseada na estimação de gradientes (structure tensor) presentes no light field. Os resultados mostram que estimação de profundidade é possivel para câmaras variadas mesmo usando a DDFFNet treinada originalmente.
Câmaras plenópticas, Light Fields, Redes Neuronais, DDFFNet

Novembro 23, 2018, 13:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

José António Da Cruz Pinto Gaspar

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Nuno Miguel Barroso Monteiro

ISR

Engenheiro