基于BiSAT和MLLA的光场深度估计方法及系统

本发明涉及基于BiSAT和MLLA的光场深度估计方法及系统。首先获取待处理的原始光场数据，对其进行特征提取得到初始特征图；随后在光场数据的水平与垂直维度上，分别用双向空间Transformer模块处理初始特征图，并对两维度的Transformer输出特征执行跨视角卷积聚合，得到跨视角融合特征图；接着用扩张卷积处理该融合特征图，构建第一代价体；再通过类Mamba线性注意力模块学习并重新分布第一代价体的空间数据，得到第二代价体；最后对第二代价体进行成本聚合，且对聚合后的代价体做深度回归，输出中心视图的深度图。与现有技术相比，本发明具有提升复杂光场场景下深度估计的整体鲁棒性与精确性等优点。