| 講演抄録／キーワード |
| 講演名 |
2023-10-02 13:05
［チュートリアル招待講演］数理モデルからデータ駆動最適化へ ～ ライトフィールドの圧縮撮像はどう変わったか ～
○高橋桂太（名大） |
| 抄録 |
（和） |
ライトフィールドは，3 次元映像を実現する基本的な情報表現であり，密な格子点上で撮影された多視点画像として扱われる.筆者は，ライトフィールドを効率的に撮像する技術に関心を持っており，特に，光学系 に符号化機構を備えた 1 台のカメラ(コンピュテーショナルカメラ)を用いる圧縮撮像の研究に取り組んできた. 従来，この種の問題においては，圧縮センシングの理論を背景に，信号のスパース構造を明示的にモデル化するア プローチが主流であった.しかし，近年では，深層学習の導入によって，信号の構造を明示的にモデル化すること なく、データドリブンな形で撮像のパイプラインを最適化するアプローチが有力になった.このアプローチの転換 により，映像品質と計算速度の両面で飛躍的な性能向上が達成され，さらに時系列に沿って変化する動的な光線空 間の扱いも可能になってきた.本講演では，双方のアプローチにおける考え方の違いにフォーカスし，今後の研究 において何が重要なのかを議論する. |
| （英） |
The light field is a basic representation for 3-D visual information, and it is usually treated as a set of images taken from multiple viewpoints arranged on a 2D grid with tiny intervals. The author has been working on the issue how efficiently this kind of massive information can be acquired, in particular, via compressive acquisition methods using a single computational camera equipped with optical coding capability. The traditional approach to this problem was based on the theory of compressive sensing, where some sparse structure in the target signal should explicitly be modeled. However, a paradigm shift has been caused by the recent progress of deep-learning-based approach. What dominates the scene is data-driven optimization based on deep learning, rather than the elaborate mathematical modeling of target signals. The data-driven optimization not only led to significant boost in the quality and computational speed, but also brought the capability to handle dynamic (moving) light fields. In this talk, the author will focus on the differences between the two approaches and discuss what are important in the future work. |
| キーワード |
（和） |
ライトフィールド / 符号化撮像 / 深層学習 / / / / / |
| （英） |
Light Field / Coded Acquistion / Deep Learning / / / / / |
| 文献情報 |
映情学技報, vol. 47, no. 29, 3DMT2023-35, pp. 1-1, 2023年10月. |
| 資料番号 |
3DMT2023-35 |
| 発行日 |
2023-09-25 (3DMT) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|