깊이와 DOF 큐가 더 나은 디포커스 블러 검출기 만들기

디포커스 블러 검출(DBD)은 이미지에서 초점이 맞는 영역과 초점이 흐린 영역을 구분합니다. 이전 방법들은 초점이 맞는 균일한 영역을 디포커스 블러 영역으로 잘못 인식하는 경향이 있었는데, 이는 디포커스 블러를 일으키는 내부 요인들을 고려하지 않았기 때문입니다. 깊이 법칙, 피사계 심도(DOF), 그리고 디포커스에 착안하여, 우리는 깊이와 DOF 힌트를 암시적으로 통합하는 접근법인 D-DFFNet을 제안합니다. 이를 통해 모델은 디포커스 현상을 보다 자연스럽게 이해할 수 있습니다. 우리의 방법은 사전 학습된 단일 시점 깊이 추정 모델에서 깊이 지식을 얻기 위한 깊이 특성 증류 전략을 제안하며, DOF-엣지 손실 함수를 사용하여 DOF와 깊이 간의 관계를 이해합니다. 우리의 접근법은 공개 벤치마크 및 새로 수집된 대규모 벤치마크 데이터셋 EBD에서 최신 기술보다 우수한 성능을 보입니다. 소스 코드와 EBD 데이터셋은 다음 주소에서 확인할 수 있습니다: https://github.com/yuxinjin-whu/D-DFFNet.