다중 규모의 딥 피처와 수작업 피처를 통합한 초점 흐림 추정 방법

본 논문에서는 초점 흐림 추정을 위해 견고하고 시너지 효과를 발휘하는 수작업 특징과 간단하지만 효율적인 컨볼루션 신경망(CNN) 구조에서 얻은 깊은 특징을 소개합니다. 본 논문은 체계적으로 다양한 특징의 유효성을 분석하며, 각각의 특징이 연결될 때 다른 특징의 약점을 어떻게 보완할 수 있는지를 설명합니다. 전체 초점 흐림 맵 추정을 위해, 우리는 강한 경계부근에서 희소하게 이미지 패치를 추출한 후, 이를 깊은 특징과 수작업 특징 추출에 사용합니다. 패치 크기에 대한 의존도를 줄이기 위해 다중 스케일 패치 추출 전략도 제안합니다. 신경망 분류기를 통해 생성된 확률-결합 양방향 필터를 사용하여 희소 초점 흐림 맵을 생성합니다. 최종 초점 흐림 맵은 경계 유지 필터링된 입력 이미지를 안내로 하여 희소 초점 흐림 맵에서 얻어집니다. 실험 결과는 우리의 알고리즘이 초점 흐림 추정 측면에서 최신 알고리즘보다 우수함을 보여줍니다. 우리의 연구는 세그멘테이션, 블러 확대, 전체 초점 이미지 생성 및 3차원 추정 등의 응용 프로그램에 활용될 수 있습니다.