要約
本論文では、堅牢かつ協調的な手作りの特徴量と、単純ながら効率的な畳み込みニューラルネットワーク（CNN）アーキテクチャからの深層特徴量を導入し、ボケ量推定に適用します。本論文は系統的に異なる特徴量の有効性を分析し、各特徴量が連結された際に他の特徴量の弱点を補完する方法を示します。完全なボケマップ推定のために、強エッジ上に疎に画像パッチを抽出し、その後これらのパッチを使用して深層および手作りの特徴量抽出を行います。パッチスケール依存度を軽減するために、マルチスケールパッチ抽出戦略も提案します。ニューラルネットワーク分類器を使用して疎なボケマップを生成した後、確率結合双边フィルタによって最終的なボケマップが得られます。最終的なボケマップは、エッジ保存フィルタ処理された入力画像からガイダンスを得て疎なボケマップから生成されます。実験結果は、我々のアルゴリズムが最新のアルゴリズムよりも優れたボケ量推定性能を持つことを示しています。我々の研究はセグメンテーション、ぼかし拡大、全焦点画像生成、3次元推定などの応用に利用できます。