项目名称: 高质量本征图像求解技术及其应用研究

项目编号: No.61272359

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 沈建冰

作者单位: 北京理工大学

项目金额: 81万元

中文摘要: 本征图像求解主要研究从图像中提取亮度和反照率信息构成亮度本征图和反照率本征图。物体表面所呈现的颜色是由物体的材质和光源的颜色等本征属性决定的,而反照率和亮度信息是两种最重要的本征属性。恢复单幅图像的本征图仍然是计算机图形学与计算机视觉领域的研究难点之一。因此研究高质量本征图像的求解技术及其应用,不仅具有重要的理论意义,而且在计算摄影学和真实感图形学绘制等领域具有重要的应用价值。本项目具体包括基于单光源/多光源混色双色反射模型(MHDRM)的高质量本征图像求解方法、基于子带结构和稀疏表达的自动本征图像计算方法、基于隐含狄利克雷分布模型(LDA)学习过程的高质量本征图像求解算法、基于本征图像的实时图像着色与二次着色方法、基于本征图像/视频的实时材质编辑方法与纹理替换算法。项目最终将实现一个基于GPU 技术的实时高质量本征图像/视频求解系统,并将相关技术应用于真实感图形绘制和影视特效制作等

中文关键词: 本征图像;能量优化;纹理替换;阴影检测;

英文摘要: Intrinsic images recovery algorithm usually aims at separating the illumination and reflectance components from an input photograph. The observed color on an object surface is influenced by many intrinsic factors, including the material of the object and the colors of the light sources, while the two of the most important characteristics are the shading and reflectance in the scene. Therefore, it is still an open challenge on how to recover the high quality intrinsic images, and has the fundamental applications in the areas of computational photograph and realistic graphics rendering. The main research topics include the Single- illuminant and Multi-illuminant Hybrid Dichromatic Reflection Mode(MHDRM) based intrinsic images, the subband architecture and sparse representation based intrinsic images recovery approach, the Latent Dirichlet Allocation (LDA) learning based intrinsic images, the colorization and recolorization for images and videos using the intrinsic images, and the intrinsic images based image/video retexturing techniques. Finally, we develop a GPU-based real time system for recovering the high quality intrinsic images/video, and apply the aforementioned techniques for the applications of computational photograph and realistic graphics rendering.

英文关键词: intrinsic images;energy optimization;texture replacement;shadow detection;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
69+阅读 · 2021年3月29日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
77+阅读 · 2020年12月6日
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
低清视频也能快速转高清:超分辨率算法TecoGAN
极市平台
14+阅读 · 2019年5月4日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
46+阅读 · 2019年2月15日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
ResT V2: Simpler, Faster and Stronger
Arxiv
0+阅读 · 2022年4月15日
小贴士
相关VIP内容
专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
69+阅读 · 2021年3月29日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
SemanticAdv:基于语义属性的对抗样本生成方法
机器之心
14+阅读 · 2019年7月12日
低清视频也能快速转高清:超分辨率算法TecoGAN
极市平台
14+阅读 · 2019年5月4日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
46+阅读 · 2019年2月15日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
图像美学质量评价技术发展趋势
科技导报
18+阅读 · 2018年6月25日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员