稀疏视图光场显著性检测网络

视图数骤降

在稀疏视图下有效利用深度线索,以远少于现有方法的视图数实现有竞争力的显著目标检测,便于实际应用。

陈一镭 · 李恭杨 · 安平 · 刘志 · 黄新彭 · Wu, Qiang

IEEE Transactions on Circuits and Systems for Video Technology 2023

参数信息

与最先进
3 D

技术优势

视图数骤降

通过低秩统计分析,从大量视图中确定固定且通用的关键稀疏视图模式,在保持足够深度线索的同时大幅减少输入视图数量。

精度不降反升

在三个光场多视图数据集上,CDINet不仅超越最先进的2D方法,而且与最先进的3D和4D方法相比也具备竞争力,验证了稀疏视图下仍能保持高检测性能。

开源可复现

代码和结果已公开在GitHub上,便于研究者复现和进一步开发。

应用场景