چکیده
در این مقاله، یک الگوریتم برای تخمین دنباله عمق سازگار موقت پیشنهاد می کنیم. در ابتدا، الگوریتم ما هزینه تطبیق را با استفاده از چشم اندازهای (دیدگاه های) چپ و راست محاسبه می کند. به منظور افزایش سازگاری موقت (ثبات موقت)، تابع تطبیق را با اضافه کردن تابع وزن دار موقت اصلاح می کنیم و روش تخمین حرکت را برای اشاره به عمق های قبلی از جسم در حال حرکت انجام می دهیم. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی، ثبات موقت (سازگاری موقت) توالی عمق را بهبود می بخشد و مصنوعات چشمک زن در چشم اندازهای مجاری را کاهش می دهد در حالی که کیفیت بصری را حفظ می کند.
1- مقدمه
با توجه به پیشرفت های بزرگ در قدرت محاسباتی، گرافیک های کامپیوتری تعاملی، انتقال دیجیتال، و نمایش همه جانبه، شبیه سازی هایی از واقعیت را تجربه کرده و مجدد تولید می کند. به عبارت دیگر، فاصله بین دنیای واقعی و محیط مجاری به هم نزدیکتر می شود. هنگامی که کاربران در معرض چنین رسانه های همه جانبه، تعاملی و ادراکی واقعی قرار می گیرند، آنها یک حس حضور در محیط واسطه را گزارش می کنند [1،2]. به خصوص، پیشرفت های فناوری در صفحه نمایش به بهبود طیف وسیعی از بینایی، مانند یک صفحه نمایش گسترده، وضوح بالا، صفحه نمایش های همه جانبه و سه بعدی کمک می کند.
به تازگی، یک تلویزیون سه بعدی (3DTV) با استفاده از ویدئوهایی با دیدهای متعدد، در کانون توجه به عنوان یکی از خدمات پخش نسل بعدی می باشد [3]. به منظور به دست اوردن ویدئوهایی با دیدهای متعدد، دوربین های مختلف با پیکربندی موازی و یا همگرا برای گرفتن یک صحنه سه بعدی با زوایای مشاهده گسترده را مورد استفاده قرار می دهیم. معتقدیم که 3DTV، سیستم پخش نسل بعدی در تاریخ تلویزیون است. با کمک پیشرفت در دستگاه های صفحه نمایش، مانند صفحه نمایش با بزرگ نمایی بالا، 3DTV، کاربرانی با احساس حضور از شبیه سازی واقعیت را فراهم می آورد. در این دهه، انتظار داریم که این فناوری به اندازه کافی برای تحقق بخشیدن به 3DTV از جمله تولید محتوا، رمزگذاری، انتقال، و نمایش پیشرفت کرده باشد. شکل 1، چارچوب مفهومی سیستم 3DTV را نشان می دهد.
ABSTRACT
In this paper, we propose a new algorithm to estimate temporally consistent depth sequence. Our algorithm first calculates the matching cost using left and right views. In order to enhance the temporal consistency, we modify the matching function by adding the temporal weighting function and we perform the motion estimation technique to refer to the previous depths of moving objects. Experimental results have showed that the proposed algorithm improved the temporal consistency of the depth sequence and reduced flickering artifacts in the virtual view while maintaining visual quality.
1. INTRODUCTION
Owing to great advancements in computing power, interactive computer graphics, digital transmission, and immersive displays, we experience and reproduce simulations of reality. In other words, the gap between the real world and the virtual environment is getting closer. When users are exposed to such immersive, interactive, and perceptually realistic media, they report a sense of presence in the mediated environment [1][2]. Especially, technological advances in displays have been aimed at improving the range of vision, such as a wide-screen, high-definition, immersive, and 3D displays. Recently, a three-dimensional television (3DTV) using multiview video is in the spotlight as one of the next-generation broadcasting services [3].
In order to acquire multiview video, we utilize multiple cameras with parallel or convergent configuration to capture a 3D scene with wide-viewing angle. We believe that the 3DTV is the next-generation broadcasting system in the history of TV. By aiding of advances in display devices, such as stereoscopic displays, the 3DTV provides users with a feeling of presence, from the simulation of reality. In this decade, we expect that the technology will be progressed enough to realize the 3DTV including content generation, coding, transmission, and display. Figure 1 shows the conceptual framework of the 3DTV system [4].
چکیده
1- مقدمه
2- تخمین عمق با دیدهای متعدد
2-1- نابرابری (اختلاف) و عمق
2-2- محاسبات نابرابری (اختلاف)
2-3- دقت زیر پکیسل
3- ارتقا سازگاری موقتی
3-1- تابع وزن دار موقت با استفاده زا تخمین حرکت
4- نتایج تجربی
4-1- تخمین عمق و سنتز دیدگاه
4-2- رمزگذاری نقشه عمق
5- نتیجه گیری
ABSTRACT
1. INTRODUCTION
2. MULTIVIEW DEPTH ESTIMATION
2.1 Disparity and Depth
2.2 Disparity Computation
2.3 Sub-pixel Precision
3. TEMPORAL CONSISTENCY ENHANCEMENT
3.1 Temporal Weighting Function using Motion Estimation
3.2 Prevention of Border Error Propagation
4. EXPERIMENTAL RESULTS
4.1 Depth Estimation and View Synthesis
4.2 Depth Map Coding
5. CONCLUSIONS