项目名称: 结构保持的高效视频缩放技术研究

项目编号: No.U1304616

项目类型: 联合基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 林晓

作者单位: 洛阳师范学院

项目金额: 30万元

中文摘要: 视频缩放是图像视频处理近几年的热点之一,高效的视频缩放技术在数字娱乐、影视工业、网络视频中都有广泛的应用需求。本项目针对现有视频缩放方法易产生形变、失真等现象,研究基于结构保持的高效视频缩放技术。具体研究保持时空一致的视频显著物体检测算法以及形状轮廓等结构保持的高效缩放方法。在视频颜色、梯度等特征的基础上,结合视频中物体运动信息,运用Gabor滤波构建细节保持的视频显著度图;利用光流估计技术得到运动历史图,结合已获取的视频显著度图,采用seamlet carving缩放方法,对视频序列进行逐帧处理;利用基于图切技术的表面时间一致性公式优化处理缩放结果,从而保持时空一致性,避免视频缩放过程中产生抖动和形状轮廓等结构的变形失真现象;该方法易于实现GPU加速,解决了现有视频缩放方法低效、不能有效的保持形状轮廓等结构问题,有望推动视频缩放理论及应用的发展,具有重要的理论和应用价值。

中文关键词: 显著性检测;缩放技术;结构保持;;

英文摘要: Video resizing is one of the hottest topics for image and video processing field in recent years. Efficient video resizing technology is eagerly demanded in digital entertainment, film industry and the internet video players. Since current video resizing methods tend to generate deformation and distortion, this project focuses on the efficient resizing technology which can preserve the structure of video at the same time. We propose the novel method combining the video saliency detecting algorithm combining which can hold the temporal and spatial consistency and the resizing function which can keep the structure of shape and contour efficiently together. To construct salience map, we use video features include color and gradient, and object movements are introduced to increase robustness. And Gabor filter is adopted to preserve the details in the clips. With the obtained salience map, we apply the Seamlet carving resizing method to process the video frame by frame. We use the surface time consistency formulas in view of graph cut algorithm to optimize our results. This can significantly maintain the temporal and spatial consistency and avoid shape deformation caused by trembles and contour distortion during video resizing process. The method is easy to speed up on GPU, meanwhile solves the distortion problems wh

英文关键词: saliency detection;resizing technique;structure-preserving;;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
35+阅读 · 2021年2月20日
【AAAI2021】RSPNet: 相对速度感知的无监督视频表示学习
专知会员服务
18+阅读 · 2021年2月12日
专知会员服务
77+阅读 · 2020年12月6日
轻量级姿态估计技巧综述
极市平台
0+阅读 · 2021年11月17日
【速览】TPAMI丨泛化边缘保持和结构保持图像平滑模型
中国图象图形学学会CSIG
1+阅读 · 2021年10月15日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
低清视频也能快速转高清:超分辨率算法TecoGAN
机器之心
13+阅读 · 2019年4月16日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14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
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
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2013年12月31日
国家自然科学基金
0+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
Arxiv
0+阅读 · 2022年4月16日
Arxiv
19+阅读 · 2021年4月8日
小贴士
相关主题
相关VIP内容
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
35+阅读 · 2021年2月20日
【AAAI2021】RSPNet: 相对速度感知的无监督视频表示学习
专知会员服务
18+阅读 · 2021年2月12日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
轻量级姿态估计技巧综述
极市平台
0+阅读 · 2021年11月17日
【速览】TPAMI丨泛化边缘保持和结构保持图像平滑模型
中国图象图形学学会CSIG
1+阅读 · 2021年10月15日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
低清视频也能快速转高清:超分辨率算法TecoGAN
机器之心
13+阅读 · 2019年4月16日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
基于视频的目标检测的发展【附PPT与视频资料】
人工智能前沿讲习班
19+阅读 · 2018年12月14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
相关基金
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
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2013年12月31日
国家自然科学基金
0+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