인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Predicting defocus blur and depth from a single RGB image is an important task in computer vision applications such as scene understanding, image processing, and autonomous driving. In this paper, we propose a Multi-Task Learning (MTL) framework that performs both tasks simultaneously by leveraging the physical interaction of defocus blur and depth map. The proposed model extracts common visual features through a shared encoder, performs defocus blur and depth estimation using task-specific decoders, and strengthens the sharing of visual cues between tasks. It provides the restoration result of the AIF image through the estimated depth and blur results. To ensure the spatial consistency and robustness of the model, the spatial smoothness, blur-depth consistency, and weight normalization conditions are incorporated into the loss function. The proposed MTL framework demonstrated superior performance Mean Absolute Error (MAE), Structural Similarity In Experiments (SSIM) using synthetic and real datasets compared to Single Task Learning(STL) and existing MTL approaches. Removal studies confirmed that the loss function components contribute to improved prediction accuracy. This study provides an efficient and practical solution for joint estimation of defocus blur and depth.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096577065
