申请/专利权人：浙江优众新材料科技有限公司;江苏优众微纳半导体科技有限公司

申请日：2023-12-14

公开（公告）日：2024-03-26

公开（公告）号：CN117409058B

主分类号：G06T7/50

分类号：G06T7/50;G06N3/0464;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明公开了一种基于自监督的深度估计匹配代价预估方法，涉及图像处理技术领域，包括步骤：提取当前光场深度图像的输出张量；以输出张量为输入张量，通过自监督预测卷积注意块结合上下文信息动态调制当前光场深度图像各视角下的像素重建隐藏信息；对像素重建隐藏信息调制后的子孔径图像矩阵进行目标视差下的像素整合，并对整合后的子孔径图像矩阵进行卷积以获取各子孔径图像的成本构建函数；通过对各子孔径图像成本构建函数的输出进行聚合获取当前光场深度图像的三维张量；根据三维张量进行视差回归以获取低频深度估计结果。本发明解决了卷积神经网络不能够掌握局部特征的全局排列问题，并有效提高深度估计的精度和速度。

主权项：1.一种基于自监督的深度估计匹配代价预估方法，其特征在于，包括步骤：S1：提取当前光场深度图像的输出张量；S2：以输出张量为输入张量，通过自监督预测卷积注意块结合上下文信息动态调制当前光场深度图像各视角下的像素重建隐藏信息；S3：对像素重建隐藏信息调制后的子孔径图像矩阵进行目标视差下的像素整合，并对整合后的子孔径图像矩阵进行卷积以获取各子孔径图像的成本构建函数；S4：通过对各子孔径图像成本构建函数的输出进行聚合获取当前光场深度图像的三维张量；S5：根据三维张量进行视差回归以获取低频深度估计结果；所述S2步骤中，自监督预测卷积由一个被整流线性单元激活的掩膜卷积层和一个SE模块组成；所述S3步骤中，各子孔径图像的成本构建函数为调制卷积函数，所述调制卷积函数为内核大小U×V，并采用不同的扩张速率来集成不同视差下的图像块；所述子孔径图像的卷积表示为如下公式： 式中，为视差d下，在空间位置p处产生的UV匹配代价，U和V为中心视图上相机平面上的点坐标，n为常数，为在视差d下的空间位置p处的像素点，表示成本构建函数在第n个采样点的权重，为第n个采样点在空间位置p处的调制标量。

全文数据：

权利要求：

百度查询： 浙江优众新材料科技有限公司;江苏优众微纳半导体科技有限公司 一种基于自监督的深度估计匹配代价预估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD