주파수 인식 심층 초점 깊이

대구경 이미징에서 얕은 심도 심도(DoF) 현상은 서로 다른 초점 수준에서 여러 이미지를 캡처해야 하며, 이를 통해 초점에서 깊이(DFD) 기술을 사용하여 깊이 정보를 추론할 수 있습니다. 그러나 대부분의 이전 연구는 시간 영역 관점에서 컨볼루션 신경망을 설계하여 깊이 추정에서 세부 사항이 흐릿해지는 경우가 많습니다. 본 연구에서는 다중 스케일 공간 영역 로컬 특징과 주파수 영역 글로벌 구조적 특징을 결합한 주파수 인식 심층 DFF 네트워크(FAD)를 제안합니다. 우리의 주요 혁신은 두 가지 핵심 포인트를 포함합니다: 첫째, 우리는 잠재적인 초점 특징을 주파수 영역으로 전이하는 푸리에 변환을 사용하는 주파수 영역 특징 추출 모듈을 도입합니다. 이 모듈은 요소 단위 곱셈을 통해 초점 변화에 대한 필수 주파수 정보를 적응적으로 캡처하고, 깊이 결과에서 미세 세부 사항을 향상시키면서 글로벌 구조적 무결성을 유지합니다. 둘째, FAD의 시간-주파수 조인트 모듈은 국소 및 글로벌 보완 관점에서 질감이 희박한 영역에서 깊이 정보의 일관성과 전환 구역의 연속성을 유지하는 데 기여합니다. 종합적인 실험 결과 우리 모델은 다양한 데이터셋에서 설득력 있는 일반화 및 최첨단 깊이 예측을 달성함을 입증합니다. 또한, 사전 훈련된 모델로서 현실 세계의 애플리케이션에 신속하게 적응할 수 있습니다.