主要想法
$$U_{s,t}(x,y) $$
$$U_{s',t'}$$
$$d_(x,y)$$
主 pixel
投影點
和左邊那張圖做的 disparity map
數學式
平衡係數
0.0055
0.2
確保同一 view 中高、低解析度的 consistency
data fidelity term
Sampling Matrix
Blurring Matrix
low-res
pixel value
high-res
平方再取
2-norm
A圖 down sample 去掉的資訊可能會在 B 圖
強迫讓高解析度 uk 可以產生所有 vk'
warping matrix
regularizer
譜分群
leads to an adaptive smoothing, ideally along the EPI lines
圖上每條邊的權重的加總
數學式 - 權重計算
weight - similarity between vertices
7*7 patch
Frobenius norm
可調整的常數
0.7229
Edge pruning
上下左右只保留兩條權重最大的邊
斜角保留四條
要做出 symmetric adjacency matrix
left-right disparity check
WB (i, j) > 0 且 WB (j, i) > 0 (此式成立時兩者會自動相等)
最佳化演算法
我們可以觀察出這其實是一個 quadratic problem(二次規劃)
Proximal Point Algorithm
Conjugate gradient meth 共軛梯度法求
結果比較 - 2倍
結果比較 - 3倍
By Petingo
Taiwan