論文の概要: Geometric Moment Invariants to Motion Blur
- arxiv url: http://arxiv.org/abs/2101.08647v2
- Date: Mon, 25 Jan 2021 02:35:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 07:49:48.254264
- Title: Geometric Moment Invariants to Motion Blur
- Title（参考訳）: 動きのぼけに対する幾何学的モーメント不変量
- Authors: Hongxiang Hao., Hanlin Mo., Hua Li
- Abstract要約: 動きのぼけ不変量の導出による動きのぼかしの干渉の除去に着目する。
運動ボケの幾何学的モーメントと数学的モデルに基づいて,ボケ画像と原像の幾何学的モーメントが線形に関連していることを証明した。
驚くべきことに、幾何モーメント不変量は空間変換だけでなく動きのぼやきにも不変である。
- 参考スコア（独自算出の注目度）: 4.8915390363596005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we focus on removing interference of motion blur by the
derivation of motion blur invariants.Unlike earlier work, we don't restore any
blurred image. Based on geometric moment and mathematical model of motion blur,
we prove that geometric moments of blurred image and original image are
linearly related. Depending on this property, we can analyse whether an
existing moment-based feature is invariant to motion blur. Surprisingly, we
find some geometric moment invariants are invariants to not only spatial
transform but also motion blur. Meanwhile, we test invariance and robustness of
these invariants using synthetic and real blur image datasets. And the results
show these invariants outperform some widely used blur moment invariants and
non-moment image features in image retrieval, classification and template
matching.
- Abstract（参考訳）: 本稿では,動きのぼかし不変量の導出による動きのぼかしの干渉を取り除くことに焦点を当てる。
動きのぼやきの幾何学的モーメントと数学的モデルに基づき、ぼやけた画像と元の画像の幾何学的モーメントが線形に関連していることを証明する。
この性質により、既存のモーメントベースの特徴が動きのぼかしに不変であるかどうかを分析することができる。
驚くべきことに、幾何モーメント不変量は空間変換だけでなく動きのぼやきにも不変である。
一方、合成および実画像データセットを用いて、これらの不変量の不変性とロバスト性をテストする。
また,これらの不変量は,画像検索,分類,テンプレートマッチングにおいて広く使用されるぼやけモーメント不変量や非モーメント画像の特徴よりも優れていることが示された。
関連論文リスト
- Blur Invariants for Image Recognition [9.207644534257543]
ぼかしに関する不変性は、ぼかしのないぼかし画像の記述と認識の代替手段を提供する。
本稿では、ブラー不変量に関する元の統一的理論を示す。
論文 参考訳（メタデータ） (2023-01-18T14:58:32Z) - Learning Transformations To Reduce the Geometric Shift in Object
Detection [60.20931827772482]
画像キャプチャプロセスの変動から生じる幾何シフトに対処する。
我々は、これらのシフトを最小限に抑えるために幾何変換の集合を学習する自己学習アプローチを導入する。
我々は,カメラの視野変化(FoV)と視点変化(視点変化)の2つの異なるシフトについて,本手法の評価を行った。
論文 参考訳（メタデータ） (2023-01-13T11:55:30Z) - Learning Motion-Dependent Appearance for High-Fidelity Rendering of
Dynamic Humans from a Single Camera [49.357174195542854]
外観のダイナミクスを学ぶ上で重要な課題は、違法に大量の観測を必要とすることである。
本手法は,1つの視点映像から,身体のポーズや新しいビューを時間的に協調的に生成できることを示す。
論文 参考訳（メタデータ） (2022-03-24T00:22:03Z) - Motion-from-Blur: 3D Shape and Motion Estimation of Motion-blurred
Objects in Videos [115.71874459429381]
本研究では,映像から3次元の運動,3次元の形状,および高度に動きやすい物体の外観を同時推定する手法を提案する。
提案手法は, 高速移動物体の劣化と3次元再構成において, 従来の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-29T11:25:14Z) - Shape from Blur: Recovering Textured 3D Shape and Motion of Fast Moving
Objects [115.71874459429381]
本研究では, 物体の3次元形状, テクスチャ, 動きを単一動画像から共同で再構成する新しい課題について述べる。
従来の手法では2次元画像領域でのみ遅延問題に対処するが、3次元領域における全ての物体特性の厳密なモデリングは任意の物体の動きの正確な記述を可能にする。
論文 参考訳（メタデータ） (2021-06-16T13:18:08Z) - Affine-modeled video extraction from a single motion blurred image [3.0080996413230667]
動き鈍化画像は、露光時間上の複数のシャープフレームの時間平均です。
本研究では,アフィンモーションモデリングを用いた一般化ビデオ抽出手法について報告する。
公開データセットと実際のキャプチャデータの両方の実験は、報告されたテクニックの最先端のパフォーマンスを検証する。
論文 参考訳（メタデータ） (2021-04-08T13:59:14Z) - MBA-VO: Motion Blur Aware Visual Odometry [99.56896875807635]
運動のぼかしは視覚計測法に残る主要な課題の1つである。
露光時間が長い低照度条件では、比較的遅いカメラの動きでも動きのぼやけが現れます。
露光時間内にカメラの局所軌道をモデル化し,推定する,直接的なアプローチによる新しいハイブリッド視覚オドメトリーパイプラインを提案する。
論文 参考訳（メタデータ） (2021-03-25T09:02:56Z) - Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。
この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
論文 参考訳（メタデータ） (2020-12-16T04:06:02Z) - 3D geometric moment invariants from the point of view of the classical
invariant theory [0.0]
本研究の目的は,3次元幾何モーメント不変量と不変量理論の関連性を明らかにすることである。
群 $SO(3)$ と $SL(2)$ が局所同型であるという事実を利用して、3次元幾何学的モーメント不変量を古典的不変量理論のよく知られた問題に導出する問題を減らした。
論文 参考訳（メタデータ） (2020-05-23T15:40:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。