项目名称: 双目立体数据的高效获取和智能处理技术研究

项目编号: No.61272226

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: 胡事民

作者单位: 清华大学

项目金额: 80万元

中文摘要: 近年来,可视媒体的研究和应用开始向3D发展,3D媒体凭借其强烈的表现力和逼真的视觉体验迅速成为人们关注的热点。和传统的二维图像和视频相比,双目立体媒体资源相对稀缺,相关处理技术不够成熟,是当前双目立体技术面临的主要问题。如何能够高效的获取、创建、处理并呈现高质量的双目立体数据具有重要的研究价值和应用前景。本项目针对双目立体数据,着重开展如下方面研究:双目实时采集中的视觉扭曲度分析和双目视点优化,基于三维结构估计的二维数据智能双目立体化,矢量格式的双目立体数据交互式创建技术,高自由度的双目数据视点漫游,基于梯度域的多源双目数据高效无缝融合,基于区域快速匹配和双视点互补分析的双目立体数据智能补全,面向双目立体数据的高效智能处理系统和双目采集与成像系统原型设计。

中文关键词: 双目立体视频;三维呈现;双目立体视频的认知计算模型;;

英文摘要: In recent years, the development of academic research and applications of visual media demonstrates a significant trend toward 3D. 3D media with its powerful expression and vivid visual experience has quickly attractted people's attention. Compared to traditional 2D images and video, there are still relatively fewer binocular stereoscopic media resources, and editing and processing technologies are not mature. These are two main difficulties for binocular stereoscopic technology. How to efficiently acquire, create, process and present the high quality binocular stereoscopic data is an important problem which has extensive application prospect and great theory value. This project is focusing on binocular stereoscopic data, mainly study the following aspects: the analysis of visual distortion in real-time stereoscopic acquisition and binocular viewpoint optimization, intelligent 3D conversion of 2D media based on 3D structure estimation, the vector format of binocular stereoscopic data and interactive creation technology, free stereoscopic touring for stereoscopic media, seamless blending of stereoscopic data based on gradient domain analysis, intelligent stereoscopic data inpainting based on fast region matching and the complementary of binocular stereoscopic data, efficient and intelligent processing system for

英文关键词: Stereoscopic;Stereoscopic presentation;cognitive Model for Stereoscopic;;

成为VIP会员查看完整内容
1

相关内容

基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
55+阅读 · 2021年4月4日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
79+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
基于深度学习的数据融合方法研究综述
专知会员服务
136+阅读 · 2020年12月10日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
【CPS】CPS应用案例集
产业智能官
84+阅读 · 2019年8月9日
【泡泡图灵智库】LIMO: LiDAR-单目相机视觉里程计(arXiv)
泡泡机器人SLAM
48+阅读 · 2019年5月14日
【泡泡图灵智库】基于CPU的实时6D物体姿态估计(arXiv)
泡泡机器人SLAM
12+阅读 · 2019年1月26日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4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 · 2014年12月31日
国家自然科学基金
2+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
1+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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Challenges for Open-domain Targeted Sentiment Analysis
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
55+阅读 · 2021年4月4日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
79+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
基于深度学习的数据融合方法研究综述
专知会员服务
136+阅读 · 2020年12月10日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
【CPS】CPS应用案例集
产业智能官
84+阅读 · 2019年8月9日
【泡泡图灵智库】LIMO: LiDAR-单目相机视觉里程计(arXiv)
泡泡机器人SLAM
48+阅读 · 2019年5月14日
【泡泡图灵智库】基于CPU的实时6D物体姿态估计(arXiv)
泡泡机器人SLAM
12+阅读 · 2019年1月26日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
相关基金
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 · 2014年12月31日
国家自然科学基金
2+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
1+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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009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