Deeper Depth Prediction with Fully Convolutional Residual Networks Iro Laina, Christian Rupprecht, Vasileios Belagiannis, Federico Tombari, Nassir Navab Abstract 이 논문은 하나의 RGB 이미지가 주어진 장면의 깊이 맵을 추정하는 문제를 다룹니다. 우리는 단안 이미지와 깊이 맵 사이의 모호한 매핑을 모델링 하기 위해 잔차 학습을 포함하는 완전 컨볼루션 아키텍처를 제안합니다. 출력 해상도를 개선하기 위해 네트워크 내에서 피쳐 맵 업샘플링을 효율적으로 학습할 수 있는 새로운 방법을 제시합니다. 최적화를 위해 우리는 특히 당면한 작업에 적합하고 깊이 맵에 일반적으로 존재하는 값 분포에..

Towards real-time photorealistic 3D holography with deep neural networks Liang Shi, Beichen Li, Changil Kim, Petr Kellnhofer & Wojciech Matusik 지속적인 깊이 감각으로 3차원 (3D) 장면을 표현하는 기능은 가상 및 증강 현실, 인간-컴퓨터 상호 작용, 교육 및 훈련에 큰 영향을 미칩니다. 컴퓨터 생성 홀로그래피(CGH)는 회절 및 간섭의 수치 시뮬레이션을 통해 높은 공간 각도 해상도의 3D 투영을 가능하게합니다. 그러나 기존의 물리적 기반 방법은 픽셀 당 초점 제어와 정확한 오클루전을 모두 갖춘 홀로그램을 생성하지 못합니다. 계산에 부담이 되는 Fresnel 회절 시뮬레이션은 이미지 품질과 ..