최근의 조밀 다중시점 이미지 재구성에 관한 연구는 3D 재구성, 시야 가림(De-occlusion), 깊이 측정, 시각적 두드러짐(saliency) 탐지, 주요 객체 식별과 같은 응용 분야를 향상시킬 수 있다는 점에서 상당한 관심을 받고 있다. 본 논문은 센서 해상도라는 제약 내에서 각도 해상도와 공간 해상도의 균형을 맞추는 문제를 다루면서, 고밀도 라이트 필드(light field) 이미지를 재구성하기 위한 방법을 제안한다. 우리는 LF 재구성을 위한 3단계 네트워크 구조를 제안하며, 조밀한 에피폴라(epipolar), 공간(spatial), 각도(angular) 정보를 효율적으로 처리한다. 네트워크는 첫 번째 단계에서 에피폴라 정보를, 두 번째 단계에서 공간 정보를, 세 번째 단계에서 각도 정보를 처리한다. 여러 방향에서 사변형(quadrilateral) 에피폴라 특성을 추출함으로써, 본 모델은 정확한 재구성을 위한 견고한 특징 계층을 구성한다. 초기 단계에서는 가중치 공유(weight sharing)를 사용하여 특징의 품질을 향상시키면서도 모델의 크기를 컴팩트하게 유지한다. 실제 환경 및 합성 데이터셋에 대한 실험 결과, 본 접근법은 추론 시간과 재구성 품질의 두 측면 모두에서 기존의 최신 방법을 능가함을 입증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.