Brief Summary of Bokeh Effect Rendering

Brief Summary of Bokeh Effect Rendering

2. 文献
2.1 PyNet
论文名称：《Rendering Natural Camera Bokeh Effect with Deep Learning》
参考代码：PyNET-PyTorch

这篇文章使用未虚化的图像与虚化的图像构建pair对，之后使用一个U型的编解码网络完成对虚化的拟合。在这个过程中为了提升虚化效果的鲁棒性，还可以选择使用深度估计作为额外的guidance，使得最后生成的结果更加准确。

深度学习替代手机ISP可行吗？ - 知乎

2.2 BGGAN
论文名称：《BGGAN：Bokeh-Glass Generative Adversarial Network for Rendering Realistic Bokeh》
参考代码：null

这篇文章使用的是级联的双U型结构去优化bokeh效果，其网络结构也很简单
 

2.3 Depth-aware Blending
论文名称：《Depth-aware Blending of Smoothed Images for Bokeh Effect Generation》
参考代码：null

在一张具有虚化效果的单反拍摄图片中，其实其中的区域是按照虚化程度划分是可以被划分为多个区域的，那么一个很自然的方式就是去估计这些分量的组成，之后再将其组合起来，那么深度学习网络部分就是去预测这些不同分量的权重的。对其文章的方法在深度估计网络的基础上构建一个虚化权重估计头，从而对不同分量进行加权组合得到最后结果

2.4 Stacked DMSHN
论文名称：《Stacked Deep Multi-Scale Hierarchical Network for Fast Bokeh Effect Rendering from a Single Image》
参考代码：Stacked_DMSHN_bokeh

这篇文章的方法使用了更加复杂的编解码网络结构，并且还是级联优化的形式

版权声明：本文为CSDN博主「m_buddy」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m_buddy/article/details/120358921

基于深度数据对图像进行背景模糊虚化

基于深度数据对图像进行背景模糊虚化

https://www.cnblogs.com/yongjieShi/p/12381141.html