摘要
从4D光场（Light Field, LF）图像中进行深度（视差）估计是近年来的研究热点。现有大多数研究集中于从静态4D光场图像中估计深度，而未充分考虑时间维度信息，即未针对光场视频（LF videos）开展研究。本文提出了一种端到端的神经网络架构，用于从4D光场视频中进行深度估计。同时，本研究构建了一个中等规模的合成4D光场视频数据集，可用于基于深度学习方法的训练。在合成数据与真实世界4D光场视频上的实验结果表明，引入时间信息能够有效提升在噪声区域的深度估计精度。相关数据集与代码已公开，地址为：https://mediaeng-lfv.github.io/LFV_Disparity_Estimation