論文の概要: Sub-millisecond Video Synchronization of Multiple Android Smartphones

• arxiv url: http://arxiv.org/abs/2107.00987v1
• Date: Fri, 2 Jul 2021 11:56:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-05 18:48:40.237565
• Title: Sub-millisecond Video Synchronization of Multiple Android Smartphones
• Title（参考訳）: 複数のAndroidスマートフォンのサブミリ秒ビデオ同期
• Authors: Azat Akhmetyanov, Anastasiia Kornilova, Marsel Faizullin, David Pozo, Gonzalo Ferrer
• Abstract要約: 本稿では,安価でセットアップが容易なマルチビューカメラシステムを構築する際の課題に対処する。 この問題の解決策として,複数スマートフォン上での同期ビデオ録画をミリ秒未満の精度で公開するAndroidアプリケーションを提案する。
• 参考スコア（独自算出の注目度）: 2.283665431721732
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper addresses the problem of building an affordable easy-to-setup synchronized multi-view camera system, which is in demand for many Computer Vision and Robotics applications in high-dynamic environments. In our work, we propose a solution for this problem - a publicly-available Android application for synchronized video recording on multiple smartphones with sub-millisecond accuracy. We present a generalized mathematical model of timestamping for Android smartphones and prove its applicability on 47 different physical devices. Also, we estimate the time drift parameter for those smartphones, which is less than 1.2 millisecond per minute for most of the considered devices, that makes smartphones' camera system a worthy analog for professional multi-view systems. Finally, we demonstrate Android-app performance on the camera system built from Android smartphones quantitatively, showing less than 300 microseconds synchronization error, and qualitatively - on panorama stitching task.
• Abstract（参考訳）: 本稿では,高ダイナミック環境における多くのコンピュータビジョン・ロボティクスアプリケーションに要求される,安価でセットアップが容易なマルチビューカメラシステムを構築することの課題に対処する。 そこで本研究では,複数のスマートフォン上で1ミリ秒未満の精度で動画を同期記録できるandroidアプリケーションを提案する。 我々は,androidスマートフォンにおけるタイムスタンプの一般化した数学的モデルを提案し,47種類の物理デバイスに適用可能であることを証明した。 また,多くのデバイスで1秒あたり1.2ミリ秒以下であるスマートフォンの時間ドリフトパラメータを推定することにより,スマートフォンのカメラシステムは,プロのマルチビューシステムにふさわしいアナログとなる。 最後に,androidスマートフォンを用いたカメラシステムにおいて,300マイクロ秒未満の同期誤差を示し,パノラマ縫合作業において定量的にandroidアプリのパフォーマンスを示す。

関連論文リスト

• MobileMEF: Fast and Efficient Method for Multi-Exposure Fusion [0.6261722394141346]
  本稿では,エンコーダ・デコーダ深層学習アーキテクチャに基づくマルチ露光融合手法を提案する。 我々のモデルは、中距離スマートフォンで2秒未満で4K解像度画像を処理できる。
  論文  参考訳（メタデータ） (2024-08-15T05:03:14Z)
• Replay: Multi-modal Multi-view Acted Videos for Casual Holography [76.49914880351167]
  Replayは、社会的に対話する人間のマルチビュー、マルチモーダルビデオのコレクションである。 全体として、データセットには4000分以上の映像と700万のタイムスタンプ付き高解像度フレームが含まれている。 Replayデータセットには、新規ビュー合成、3D再構成、新規ビュー音響合成、人体と顔の分析、生成モデルの訓練など、多くの潜在的な応用がある。
  論文  参考訳（メタデータ） (2023-07-22T12:24:07Z)
• Deep learning-based stereo camera multi-video synchronization [5.305803516459996]
  ソフトウェアベースの同期方式では、システム全体のコスト、重量、サイズを削減できる。 本研究は、ソフトウェアベースのビデオ同期システムを実現するための道筋をたどるものである。
  論文  参考訳（メタデータ） (2023-03-22T21:14:36Z)
• Real-Time Under-Display Cameras Image Restoration and HDR on Mobile Devices [81.61356052916855]
  アンダーディスプレイカメラ(UDC)によって撮影された画像は、その前のスクリーンによって劣化する。 画像復元のためのディープラーニング手法は、キャプチャ画像の劣化を著しく低減することができる。 我々は,視覚的UDC画像復元とHDRのための軽量なモデルを提案し,スマートフォン上での様々な手法の性能と実行状況を比較したベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-11-25T11:46:57Z)
• MicroISP: Processing 32MP Photos on Mobile Devices with Deep Learning [114.66037224769005]
  エッジデバイスに特化して設計された新しいMicroISPモデルを提案する。 提案したソリューションは,モバイルMLライブラリを使用して,最新のスマートフォン上で最大32MPの写真を処理できる。 モデルのアーキテクチャは柔軟で、計算能力の異なるデバイスに複雑性を調整することができる。
  論文  参考訳（メタデータ） (2022-11-08T17:40:50Z)
• Temporal and Contextual Transformer for Multi-Camera Editing of TV Shows [83.54243912535667]
  まず、コンサート、スポーツゲーム、ガラショー、コンテストを含む4つの異なるシナリオを用いて、この設定に関する新しいベンチマークを収集する。 14時間編集されたビデオに貢献する88時間の生のビデオが含まれている。 歴史的ショットやその他の視点からのヒントを利用してショット遷移決定を行う新しいアプローチである時間的・文脈的変換器を提案する。
  論文  参考訳（メタデータ） (2022-10-17T04:11:23Z)
• Face Deblurring using Dual Camera Fusion on Mobile Phones [23.494813096697815]
  動きの速い被写体の運動のぼやけは、写真における長年の問題である。 携帯電話用デュアルカメラフュージョン技術に基づく新しい顔のブラッシングシステムを開発した。 当社のアルゴリズムはGoogle Pixel 6上で効率よく動作します。
  論文  参考訳（メタデータ） (2022-07-23T22:50:46Z)
• SmartPortraits: Depth Powered Handheld Smartphone Dataset of Human Portraits for State Estimation, Reconstruction and Synthesis [1.981491298222699]
  実物および制御不能な条件下で記録された人間の肖像画の1000件のビデオシーケンスのデータセットを提示する。 収集されたデータセットには、異なるポーズとロケーションでキャプチャされた200人が含まれています。 主な目的は、スマートフォンから得られた生測値と下流アプリケーションの間のギャップを埋めることである。
  論文  参考訳（メタデータ） (2022-04-21T15:47:38Z)
• Synchronized Smartphone Video Recording System of Depth and RGB Image Frames with Sub-millisecond Precision [2.1286051580524523]
  本稿では,同期(同期)精度の高い記録システムを提案する。 スマートフォン、ディープカメラ、IMUなどの異種センサーで構成されている。
  論文  参考訳（メタデータ） (2021-11-05T15:16:54Z)
• Fast and Accurate Quantized Camera Scene Detection on Smartphones, Mobile AI 2021 Challenge: Report [65.91472671013302]
  我々は、量子化ディープラーニングベースのカメラシーン分類ソリューションを開発することを目的とした、最初のMobile AIチャレンジを紹介する。 提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、最近のスマートフォンプラットフォームの大部分で100-200 FPS以上を実証することができる。
  論文  参考訳（メタデータ） (2021-05-17T13:55:38Z)
• Single-Frame based Deep View Synchronization for Unsynchronized Multi-Camera Surveillance [56.964614522968226]
  マルチカメラ監視はシーンの理解とモデリングにおいて活発な研究課題となっている。 通常、これらのマルチカメラベースのタスクのモデルを設計する際に、カメラはすべて時間的に同期していると仮定される。 我々のビュー同期モデルは、非同期設定下で異なるDNNベースのマルチカメラビジョンタスクに適用される。
  論文  参考訳（メタデータ） (2020-07-08T04:39:38Z)

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。