文献

J-GLOBAL ID：201702225440081269   整理番号：17A1398235

ビュー合成のためのワープと学んだ前景間の適応的重みづけ【Powered by NICT】

Adaptive weighting between warped and learned foregrounds for view synthesize

著者 (2件)： Rahaman D M Motiur (CSU Machine Learning (CML) Research Unit, School of Computing and Mathematics, Charles Sturt University, Bathurst, Australia) ,  Paul Manoranjan (CSU Machine Learning (CML) Research Unit, School of Computing and Mathematics, Charles Sturt University, Bathurst, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMEW  ページ： 49-54  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自由視点ビデオ(FVV)システムでは,ユーザは視野角を選ぶ任意自由度を持っている。見え合成を容易にするために,著者らはそれらの間の空間的および時間的冗長性を利用して数隣接ビューのを内挿する必要がある。既存合成法は閉塞バックグラウンド地域に起因し,ワーピングによる整数誤差を丸め不良レンダリング品質に関係する可能性がある。現在,修復および背景更新技術はこれらの問題を解決するために使用されている。修復技術は,通常,前景/背景境界域の低空間相関による品質劣化を受ける。背景更新手法は品質が,背景ワーピングと空間相関に依存性のためにまだある品質劣化を改善した。問題を解決するために,本論文では,補間を考慮した以前の画像上のGauss混合モデル(GMM)を用いて各画素において,前景および背景を学習し,前景および背景ピクセルを特定するためのGaussモデルの数を用いた。合成の背景ピクセルが背景モデルを用いて決定し,前景ピクセルは前景モデルの重み付き寄与と二つの隣接ビュー間のワーピング画像を用いて決定した。適応重みづけは多重モデルの量に基づいて,本論文で提案した。実験結果は,提案した手法は,三つの標準的な最先端の方法と比較して合成の0.60~3.15dB PSNRの改善を提供することを明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 録画装置 ,  冗長性 ,  品質 ,  内挿法 ,  自由度 ,  画素 ,  *重みづけ ,  Gauss模型 ,  レンダリング
準シソーラス用語： 背景モデル ,  Gauss混合モデル ,  品質劣化 ,  空間相関 ,  見え ,  *前景 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ワープ ,  前景 ,  適応 ,  重みづけ