项目名称: 增强现实中的动态可见性计算研究

项目编号: No.61202149

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 钟凡

作者单位: 山东大学

项目金额: 23万元

中文摘要: 增强现实可见性计算主要是要确定虚实场景与视点、光源之间的可见性关系,以进行虚实遮挡处理并合成阴影,这是正确进行虚实合成的基础。现有的可见性计算方法主要存在两点局限性:一是缺乏对动态场景和实时在线需求的针对性,在实际应用时受到很大限制;二是不能保证结果的精度和可靠性,难以获得高品质的融合效果。针对上述问题,并结合当前硬件的发展趋势,本项目拟采用基于深度的基本方法,对增强现实的可见性计算问题进行系统、深入的研究,形成处理视点和光源可见性问题的统一理论和有效方法。基于深度的方法主要需解决深度图中错误、噪声的影响,以及欠约束的困难。为此需解决两个关键问题:一是动态视频时空区域的可信分割和视觉连续性优化;二是动态场景的在线局部深度融合与重建。本项目的研究内容将围绕上述两个问题展开,研究成果对增强现实中的其它问题也具有很重要的促进作用。

中文关键词: 增强现实;可见性计算;遮挡处理;;

英文摘要: In augmented reality, the task of visibility computation is to determine the visibility of the virtual and real scenes with respect to the viewpoint and the light source, which then can be used for occlusion handling and shadow casting, therefore is the fundation of real-virtual composite. Existing methods for visibility computation are limited in the following two aspects: first, lacking the ability to deal with dynamic scenes online in real-time, as the result can not be adopted by most AR systems; second, can not guarantee accuracy and robustness of the results, therefore is difficult to achieve high quality. To solve the above problems, at the same in consideration of tendency of hardware development, we plan to further study visibility computation by exploring depth information, and to seek for an unified approach to compute the visibility of viewpoint and light source. The main issue of depth-based methods is to robustly deal with the errors and noise of the depth map, as well as the under-constrained problem due to the missing of 3D model, for which purpose two key problems should be addressed, one is the reliable segmentation and visual continuity optimization of dynamic spatial-temporal video regions, the other is the online local depth fusion and reconstruction. We will focus on solving the above two

英文关键词: Augmented Reality;Visibility Computation;Occlusion Handling;;

成为VIP会员查看完整内容
1

相关内容

基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
55+阅读 · 2021年9月18日
MonoGRNet:单目3D目标检测的通用框架(TPAMI2021)
专知会员服务
17+阅读 · 2021年5月3日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
110+阅读 · 2021年1月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
【动态】CSIG多媒体计算学术会议成功召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【动态】CSIG多媒体计算学术会议青年论坛成功召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【分享】TCSVT 2021丨基于3D人脸动态的图像-视频生成方法
中国图象图形学学会CSIG
0+阅读 · 2021年8月20日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
ECCV 2018 | Bi-box行人检测:‘行人遮挡’为几何?
极市平台
13+阅读 · 2018年9月30日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+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
0+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
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
1+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
Arxiv
27+阅读 · 2021年2月17日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
基于流线的流场可视化绘制方法综述
专知会员服务
26+阅读 · 2021年12月9日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
55+阅读 · 2021年9月18日
MonoGRNet:单目3D目标检测的通用框架(TPAMI2021)
专知会员服务
17+阅读 · 2021年5月3日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
110+阅读 · 2021年1月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
相关资讯
【动态】CSIG多媒体计算学术会议成功召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【动态】CSIG多媒体计算学术会议青年论坛成功召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【分享】TCSVT 2021丨基于3D人脸动态的图像-视频生成方法
中国图象图形学学会CSIG
0+阅读 · 2021年8月20日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
ECCV 2018 | Bi-box行人检测:‘行人遮挡’为几何?
极市平台
13+阅读 · 2018年9月30日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+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
0+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
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
1+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员