项目名称: 自由视点三维视频中纹理-深度图像联合建模及应用

项目编号: No.61503294

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 杨勐

作者单位: 西安交通大学

项目金额: 22万元

中文摘要: 自由视点三维视频技术是三维视频的最新解决方案。该技术从若干个特定视点采集目标场景的纹理、深度图像,然后用二者合成其它观看视点的虚拟视频。目前,虚拟视频质量较低是制约该技术发展的瓶颈之一。传统方法一般通过分别处理纹理、深度图像来优化虚拟视频的质量。但在实际系统中,纹理、深度图像相互作用,并同时影响虚拟视频的质量。针对该问题,本项目首先从联合分析纹理、深度图像之间的时空域关系角度建模虚拟视频质量的一系列变化特性,包括:1)联合分析二者对虚拟视频的影响,建立其质量估计的解析模型;2)联合分析二者的空域纹理差异,建模虚拟视频质量的局部区域重要性;3)基于二者空域结构相似特点联合建模它们之间的时域冗余信息;4)基于多目标优化理论建立二者质量的联合优化模型。然后,把以上模型应用于自由视点三维视频系统中的视点合成和视频编码过程,以改善合成的虚拟视频的质量,推动该技术的发展和在三维视频监控等领域中的应用。

中文关键词: 自由视点三维视频;视点合成;三维视频监控;视频编码

英文摘要: Free-viewpoint 3D (FV-3D) video is considered the most promising solution for 3D video in the future. In FV-3D, the texture and depth images of multiple views are captured, then they are used to synthesize the virtual videos of other desired views. In recent years, the development of FV-3D technique is slowed down due to various reasons, among which the low quality of the synthesized virtual videos has been the key point. Existing solutions try to improve its quality by processing texture image and depth image separately, supposing their effects on the virtual video are independent. However, in practical application, they actually interact with each other, and also affect the virtual video quality simultaneously. In this project, we aim to improve the virtual video quality by jointly considering the effects of texture image and depth image. First, we establish an analytical quality model by jointly considering their effects on the virtual video, such that the virtual video quality can be estimated directly and accurately. Second, we establish a regional quality model by jointly considering their spatial characteristics, such that the effect of different regions on the virtual video quality can be well differentiated. Third, we establish a temporal redundancy model to describe the mutual redundancy between texture image and depth image based on the similarity of their spatial geometry. Fourth, we establish the joint optimization model of both texture and depth image qualities based on Pareto optimization theory, such that their qualities can be optimized simultaneously. These models are then implemented in the view synthesis process and video coding process in FV-3D video system to optimize the virtual video quality, and then promote the development of FV-3D video technique with its industrial application, such as 3D video surveillance, etc.

英文关键词: Free-viewpoint 3D video;View synthesis;3D video surveillance;Video codng

成为VIP会员查看完整内容
0

相关内容

视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
TPAMI 2021|VideoDG:首个视频领域泛化模型
专知会员服务
20+阅读 · 2021年12月31日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
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
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
55+阅读 · 2021年3月5日
专知会员服务
65+阅读 · 2020年12月24日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
45+阅读 · 2020年12月4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
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
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
一文读懂图像压缩算法
七月在线实验室
15+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
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4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
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
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月16日
小贴士
相关VIP内容
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
TPAMI 2021|VideoDG:首个视频领域泛化模型
专知会员服务
20+阅读 · 2021年12月31日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
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
专知会员服务
66+阅读 · 2021年5月21日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
55+阅读 · 2021年3月5日
专知会员服务
65+阅读 · 2020年12月24日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
45+阅读 · 2020年12月4日
相关资讯
【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
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
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
一文读懂图像压缩算法
七月在线实验室
15+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
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
相关基金
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
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
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员