論文の概要: Central Angle Optimization for 360-degree Holographic 3D Content
- arxiv url: http://arxiv.org/abs/2311.05878v1
- Date: Fri, 10 Nov 2023 05:30:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 15:58:34.534181
- Title: Central Angle Optimization for 360-degree Holographic 3D Content
- Title(参考訳): 360度ホログラフィックコンテンツの中央角度最適化
- Authors: Hakdong Kim, Minsung Yoon, and Cheongwon Kim
- Abstract要約: 本研究では,ディープラーニングに基づく深度マップ推定において,最適な中心角度を求める手法を提案する。
本研究では,デジタルホログラフィックコンテンツの品質と中心角度の関係を実験的に検証し,議論する。
- 参考スコア(独自算出の注目度): 3.072340427031969
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we propose a method to find an optimal central angle in deep
learning-based depth map estimation used to produce realistic holographic
content. The acquisition of RGB-depth map images as detailed as possible must
be performed to generate holograms of high quality, despite the high
computational cost. Therefore, we introduce a novel pipeline designed to
analyze various values of central angles between adjacent camera viewpoints
equidistant from the origin of an object-centered environment. Then we propose
the optimal central angle to generate high-quality holographic content. The
proposed pipeline comprises key steps such as comparing estimated depth maps
and comparing reconstructed CGHs (Computer-Generated Holograms) from RGB images
and estimated depth maps. We experimentally demonstrate and discuss the
relationship between the central angle and the quality of digital holographic
content.
- Abstract(参考訳): 本研究では,実際のホログラフィックコンテンツを作成するために,深層学習に基づく深層地図推定において最適な中央角を求める手法を提案する。
高い計算コストにもかかわらず、高画質のホログラムを生成するために、可能な限り詳細なRGB深度マップ画像の取得を行う必要がある。
そこで本研究では,オブジェクト中心環境の起源から,隣接するカメラ視点間の中心角度の様々な値を分析するための新しいパイプラインを提案する。
次に,高品質なホログラフィックコンテンツを生成するための最適中心角度を提案する。
提案するパイプラインは,推定深度マップの比較,rgb画像から再構成されたcgh(コンピュータ生成ホログラム)と推定深度マップの比較など,重要なステップを含む。
本研究では,デジタルホログラフィックコンテンツの品質と中心角度の関係を実験的に検証し,議論する。
関連論文リスト
- Calibrating Panoramic Depth Estimation for Practical Localization and
Mapping [20.621442016969976]
周囲環境の絶対深度値は, 局所化, ナビゲーション, 3次元構造推定など, 様々な補助技術にとって重要な手がかりとなる。
本研究では,パノラマ画像から推定される精度の高い深度が,3次元情報を必要とする幅広い下流タスクに対して,強力で軽量な入力として機能することを提案する。
論文 参考訳(メタデータ) (2023-08-27T04:50:05Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2022-10-19T17:56:03Z) - Multi-Camera Collaborative Depth Prediction via Consistent Structure
Estimation [75.99435808648784]
本稿では,新しいマルチカメラ協調深度予測法を提案する。
カメラ間の構造的整合性を維持しながら、大きな重なり合う領域を必要としない。
DDADおよびNuScenesデータセットの実験結果から,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2022-10-05T03:44:34Z) - Depth-SIMS: Semi-Parametric Image and Depth Synthesis [23.700034054124604]
本稿では,RGBキャンバスを高品質なRGB画像に変換するインペイントネットワークと組み合わせて,適切に整列されたセグメンテーションマップとスパース深度マップを備えたRGBキャンバスを生成する手法を提案する。
構造アライメントと画質の面でのベンチマークを行い,SOTAよりもmIoUが3.7%増加し,競争力の高いFIDが得られた。
セマンティックセグメンテーションと深度補完のためのトレーニングデータとして生成されたデータの品質を分析し,本手法が他の手法よりも適していることを示す。
論文 参考訳(メタデータ) (2022-03-07T13:58:32Z) - Dense Depth Estimation from Multiple 360-degree Images Using Virtual
Depth [4.984601297028257]
提案したパイプラインは、360度画像の半径歪みを補償する球面カメラモデルを活用する。
仮想深度の設定とフォトニック再射誤差の最小化による効果的な深度推定法を提案する。
実験により,提案したパイプラインは,現在最先端の深度推定法と比較して推定精度が向上することを確認した。
論文 参考訳(メタデータ) (2021-12-30T05:27:28Z) - Deep Two-View Structure-from-Motion Revisited [83.93809929963969]
2次元構造移動(SfM)は3次元再構成と視覚SLAMの基礎となる。
古典パイプラインの適切性を活用することで,深部2視点sfmの問題を再検討することを提案する。
本手法は,1)2つのフレーム間の密対応を予測する光フロー推定ネットワーク,2)2次元光フロー対応から相対カメラポーズを計算する正規化ポーズ推定モジュール,3)エピポーラ幾何を利用して探索空間を縮小し,密対応を洗練し,相対深度マップを推定するスケール不変深さ推定ネットワークからなる。
論文 参考訳(メタデータ) (2021-04-01T15:31:20Z) - Deep Learning-based High-precision Depth Map Estimation from Missing
Viewpoints for 360 Degree Digital Holography [2.174116094271494]
本研究では, 欠落した視点から高精度な深度マップを抽出する畳み込みニューラルネットワークモデルを提案する。
提案したHDD Netモデルでは,損失関数として深度マップ推定の性能向上のためにMSEを用いている。
ホログラフィック3D画像シーンを直接再構成することにより, 推定深度マップの品質を実証する実験結果を示す。
論文 参考訳(メタデータ) (2021-03-09T00:38:23Z) - Robust Consistent Video Depth Estimation [65.53308117778361]
本稿では,単眼映像からカメラのカメラポーズと密集した深度マップを推定するアルゴリズムを提案する。
本手法は,(1)低周波大規模アライメントのためのフレキシブルな変形-スプラインと(2)細部奥行き詳細の高周波アライメントのための幾何認識深度フィルタリングとを組み合わせた手法である。
従来の手法とは対照的に, カメラのポーズを入力として必要とせず, かなりの音量, 揺動, 動きのぼやき, 転がりシャッター変形を含む携帯のハンドヘルドキャプチャに頑健な再構成を実現する。
論文 参考訳(メタデータ) (2020-12-10T18:59:48Z) - A Method of Generating Measurable Panoramic Image for Indoor Mobile
Measurement System [36.47697710426005]
本稿では,深度情報を用いた高画質パノラマ画像を生成する手法を設計する。
画像データと3D点の融合については,パラメータ自己適応フレームワークを用いて2次元深度マップを作成する。
画像縫合にはグラフカット法を用いて重ね合わせ領域の最適シームラインを探索する。
論文 参考訳(メタデータ) (2020-10-27T13:12:02Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-27T21:28:54Z) - Depth Completion Using a View-constrained Deep Prior [73.21559000917554]
近年の研究では、畳み込みニューラルネットワーク(CNN)の構造が、自然画像に有利な強い先行性をもたらすことが示されている。
この前者はディープ・イメージ・先行 (DIP) と呼ばれ、画像の装飾や塗装といった逆問題において有効な正則化器である。
我々は、DIPの概念を深度画像に拡張し、色画像とノイズと不完全な目標深度マップから、CNNネットワーク構造を先行して復元された深度マップを再構成する。
論文 参考訳(メタデータ) (2020-01-21T21:56:01Z)
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。