写真用カメラにおける普遍的な計算的像差補正へ向けて：総合的ベンチマーク分析

要旨: 従来の計算像差補正（CAC）手法は通常、特定の光学系に合わせて設計されており、一般化が乏しく、新しいレンズに対する再訓練が大変です。多様な写真用レンズにわたって一般化可能な CAC パラダイムの開発は、これらの課題に対する有望な解決策を提供します。しかし、民生写真におけるクロスレンズの普遍性を実現する取り組みは、十分な範囲の光学像差を網羅する総合的なベンチマークの欠如のため、まだ初期段階です。さらに、現行の CAC 手法に影響を与える具体的な要因と、それらの要因が性能にどう影響するかは尚不明です。本論文では、光学設計を用いて構築された大規模ベンチマーク UniCAC を用いて、24 の画像復元および CAC アルゴリズムを対象とする包括的な実験と評価を提示します。光学劣化評価器（ODE）を、CAC タスクの難易度を客観的に評価する新しいフレームワークとして導入し、光学像差を信頼性の高い方法で定量化し、信頼性のある評価を可能にします。比較分析に基づき、CAC パフォーマンスに最も顕著な影響を与える3つの要因として、従来の利用法、ネットワークアーキテクチャ、および学習戦略を特定し、それらの相応の影響をさらに調査します。我々は、本ベンチマーク、データセット、および観察結果が関連分野に基礎的な洞察を提供し、将来の研究の基礎を築くと信じています。ベンチマーク、コード、および Zemax ファイルは https://github.com/XiaolongQian/UniCAC で入手可能です。