We present an all-in-one camera model that encompasses the architectures of most existing compressive-sensing light-field cameras, equipped with a single lens and multiple amplitude coded masks that can be placed at different positions between the lens and the sensor. The proposed model, named the equivalent multi-mask camera (EMMC) model, enables the comparison between different camera designs, e.g using monochrome or CFA-based sensors, single or multiple acquisitions, or varying pixel sizes, via a simple adaptation of the sampling operator. In particular, in the case of a camera equipped with a CFA-based sensor and a coded mask, this model allows us to jointly perform color demosaicing and light field spatio-angular reconstruction. In the case of variable pixel size, it allows to perform spatial super-resolution in addition to angular reconstruction. While the EMMC model is generic and can be used with any reconstruction algorithm, we validate the proposed model with a dictionary-based reconstruction algorithm and a regularization-based reconstruction algorithm using a 4D Total-Variation-based regularizer for light field data. Experimental results with different reconstruction algorithms show that the proposed model can flexibly adapt to various sensing schemes. They also show the advantage of using an in-built CFA sensor with respect to monochrome sensors classically used in the literature.

中文翻译：

---

压缩光场的多面罩摄像机模型

我们提出了一个多合一的相机模型，该模型涵盖了大多数现有的压缩感测光场相机的体系结构，该相机配备了一个镜头和可以放置在镜头和传感器之间不同位置的多个振幅编码遮罩。所提议的模型称为等效多掩模相机（EMMC）模型，可以通过简单地调整采样来实现不同相机设计之间的比较，例如使用单色或基于CFA的传感器，单次或多次采集或像素大小变化操作员。尤其是在配备基于CFA的传感器和编码蒙版的相机的情况下，此模型允许我们共同执行颜色去马赛克和光场时空角度重建。在像素大小可变的情况下，除了角度重建外，它还可以执行空间超分辨率。尽管EMMC模型是通用的，并且可以与任何重建算法一起使用，但我们使用基于字典的重建算法和使用基于4D Total-Variation的正则化器处理光场数据的基于正则化的重建算法来验证提出的模型。不同重构算法的实验结果表明，该模型可以灵活地适应各种传感方案。它们还显示出相对于文献中经典使用的单色传感器，使用内置CFA传感器的优势。我们使用基于字典的重建算法和使用基于4D Total-Variation的正则化器对光场数据进行基于正则化的重建算法来验证提出的模型。不同重构算法的实验结果表明，该模型可以灵活地适应各种传感方案。它们还显示出相对于文献中经典使用的单色传感器，使用内置CFA传感器的优势。我们使用基于字典的重建算法和使用基于4D Total-Variation的正则化器对光场数据进行基于正则化的重建算法来验证提出的模型。不同重构算法的实验结果表明，该模型可以灵活地适应各种传感方案。它们还显示出相对于文献中经典使用的单色传感器，使用内置CFA传感器的优势。