转换图像分辨率c++代码_ECCV 2020 | 空间-角度信息交互的光场图像超分辨，性能优异代码已开源...

光场相机可以记录当前场景不同视角的图像，每个视角图像的上下文信息（空间信息）与不同视角之间的互补信息（角度信息）都有助于提升图像超分辨的性能。

近日，来自国防科技大学、上海科技大学等单位的学者提出了新型光场图像超分辨算法（Spatial-Angular Interaction for Light Field Image Super-Resolution），通过交互光场图像的空间信息与角度信息提升了超分辨性能。

相关论文已被ECCV2020录用，代码已开源。

引言（Introduction）

光场（light field，LF）相机可以记录当前场景多个视角的图像，在重聚焦、深度估计、显著性检测、场景3D感知方面具有广泛应用。

然而受硬件条件限制，光场图像在空间分辨率（每个视角的图像分辨率）与角度分辨率（视角的采样密度）上存在制约关系。

该文针对光场图像超分辨问题开展研究，提升每个视角图像的空间分辨率。

作为底层视觉的一个关键任务，图像超分辨在近年来受到了广泛关注。对于单幅图像，超分辨算法需要充分利用低分辨率图像的上下文信息（空间信息）恢复高分辨率图像中对应的细节纹理。

对于光场图像，结合每个视角图像的空间信息与不同视角图像的互补信息（角度信息）可以提升超分辨的性能。然而由于光场图像的高维特性，充分利用并结合空间信息与角度信息非常具有挑战性。

该文提出光场“空间-角度”信息交互网络（LF-InterNet）实现光场图像超分辨：

首先，该文结合光场的结构特性提出空间特征提取子（spatial feature extractor，SFE）与角度特征提取子（angular feature extractor，AFE），分别用于提取光场图像的空间信息与角度信息。

而后，该文设计LF-InterNet对所提取的空间信息与角度信息进行渐进式交互融合。

该文在6个公开数据集上对所提算法进行了测试评估，实验结果表明LF-InterNet的性能达到了领域SOTA水平，同时具有较小的参数量与较高的运行效率。

方法（Method）

• 空间-角度信息提取