真实SLF和FlexiDim:朝着实际的光谱光场成像的方向

科学领域:

• 光学和光子学 在光学和光子学.
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 光谱光场 (SLF) 成像捕获丰富的角度和光谱数据,超越了科学和工业用途的传统RGB成像.
• 现有的SLF研究受到缺乏高分辨率现实世界数据集和高效,资源意识的学习框架的阻碍.

研究的目的:

• 介绍RealSLF,一个全面的真实世界SLF数据集,具有高空间,角度和光谱分辨率.
• 开发FlexiDim,这是一种灵活且计算效率高的学习框架,用于高分辨率的SLF重建.
• 展示一个实用的,可扩展的RGB光场系统用于SLF数据采集.

主要方法:

• 创建了RealSLF,一个具有多种光谱带和密集视角的大型数据集,比现有的数据集大9倍.
• 实施了几何校正管道,以改善交叉视图的一致性并减少错位.
• 提出FlexiDim,这是一个资源负担得起的学习框架,与SLF重建的超分辨率模块集成.
• 开发了一种原型RGB光场系统,使用微镜阵列用于实际的SLF数据捕获.

主要成果:

• RealSLF为SLF研究提供了前所未有的规模和分辨率.
• 在计算限制下,FlexiDim展示了有效的高分辨率SLF重建.
• 原型系统验证了可扩展,无组件的SLF成像的可行性.

结论:

• RealSLF数据集和FlexiDim框架显著提升了SLF成像能力.
• 这些贡献解决了SLF应用程序的数据可用性和计算效率的关键限制.
• 开发的系统提供了一个实用且可扩展的解决方案,用于捕获高分辨率光谱光场数据.