Polarisationseigene Oberflächenormalenschätzung basierend auf Sparse Self-Attention

YU Zhichao ,  

WAN Zhenhua ,  

ZHAO Kaichun ,  

摘要

Die genaue Schätzung der Oberflächennormalen von Objekten spielt eine wichtige Rolle in verschiedenen Aufgaben der Computer Vision. Physikalisch basierte Methoden zur Schätzung polarisationseigener Oberflächennormalen weisen zahlreiche Einschränkungen auf, die ihre Anwendbarkeit begrenzen. Im Gegensatz dazu übertreffen tiefenlernende Ansätze zur Schätzung polarisationseigener Oberflächennormalen physikalische Methoden sowohl in Genauigkeit als auch in Anwendbarkeit. Um die Genauigkeit der tiefenlernenden Schätzung weiter zu verbessern und deren Einsatz für mehr praktische Aufgaben zu ermöglichen, wird in diesem Artikel eine neue Methode vorgestellt. Zunächst wird eine neue Methode zur Darstellung polarisationseigener Informationen unter Verwendung des Stokes-Vektors vorgeschlagen, die darauf abzielt, die Fähigkeit des Modells zur Extraktion physikalischer Polarisation-APrior-Informationen zu verbessern. Anschließend wird ein auf doppelschichtiger Weiterleitung basierender Sparse Self-Attention-Mechanismus integriert, um die Wahrnehmung globaler Kontextinformationen durch das Modell zu verbessern und somit eine bessere Disambiguierung lokaler Polarisationsinformationen zu erreichen. Getestet wurde die Methode auf dem DeepSfP-Datensatz sowie auf selbst erstellten Testdaten. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode auf dem DeepSfP-Datensatz eine durchschnittliche Winkelabweichung von 13,37° erzielt und in allen Testmetriken, einschließlich Genauigkeit und Winkelabweichung, den aktuellen Methoden überlegen ist, was die signifikante Verbesserung bei der Normalenschätzung belegt. Durch die Einführung einer neuen Darstellungsmethode für Polarisationsinformationen und eines Sparse Self-Attention-Mechanismus verbessert unsere Methode die Genauigkeit und Anwendbarkeit der Schätzung von polarisationseigenen Oberflächennormalen und bietet eine stärkere Unterstützung für praktische Anwendungen.

关键词

Darstellung von Polarisationsinformationen;Sparse Self-Attention Mechanismus;Polarisationseigene Oberflächenormalenschätzung

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website