仅180个角度采样，偏振偏差从13.36°直降到2.21°！
DensePol: Dense-Angle Polarization Dataset for Learning-Based Polarimetric Vision
📖 AI 总结
本文介绍了一个名为DensePol的高冗余度RGB-偏振数据集，旨在解决现有偏振视觉研究中监督数据质量不足的问题。传统数据集多依赖分焦平面相机，仅提供四个空间交错的检偏器方向，角度冗余有限，且会引入插值和瞬时视场误差。DensePol采用分时采集方式，以1度间隔捕获180个全分辨率检偏器方向，包含2018对RGB-偏振图像，并保留了角度测量值与拟合残差。研究发现，密集角度采样显著提升了偏振稳定性，将偏振角偏差从13.36度降至2.21度。作者还提出了一种基于确定性扩散的RGB到偏振预测框架，结合循环偏振角表示和局部偏振度精修模块，实验表明该方法在偏振预测及下游表面法线估计任务上均有改善。该数据集与代码将公开，为基于学习的偏振视觉研究提供了更可靠的监督基础。
🔑 关键词速览
| DensePol | 本文提出的高冗余RGB-偏振数据集，基于时间分割采集，包含180个分析器方向。 |
| Division-of-Focal-Plane (DoFP) | 焦平面分割相机，通过空间交错的分析器阵列同时获取多个偏振方向，但角冗余有限。 |
| Division-of-Time (DoT) | 时间分割采集方式，通过旋转分析器在不同时间点捕获多个偏振方向，实现高角度分辨率。 |
| AoLP | 线偏振角，描述偏振光振动方向的角度，是偏振视觉中的关键参数。 |
| DoLP | 线偏振度，表示光波中线偏振成分所占的比例，反映偏振程度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅