CineFilter：面向实时自主摄像机系统的无监督滤波
计算机视觉与模式识别
2020-05-28 v4 机器学习
多媒体
摘要
自主摄像机系统常需经过优化/滤波操作以平滑并稳定粗糙的轨迹估计。最常见的滤波技术确实能减少数据中的不规则性；然而，它们未能模仿人类摄像师的行为。建模人类摄像机操作者的全局滤波方法已取得成功；但它们仅限于离线设置。在本文中，我们提出两种称为 Cinefilter 的在线滤波方法，其产生的平滑摄像机轨迹受电影拍摄原则驱动。第一种滤波器（CineConvex）使用基于滑动窗口的凸优化公式，第二种（CineCNN）是一个基于 CNN 的编码器-解码器模型。我们在两种不同设置（即篮球数据集与舞台表演数据集）上评估所提滤波器。我们的模型在定量与定性指标上均优于先前方法与基线。CineConvex 与 CineCNN 滤波器分别以约 250 fps 和 1000 fps 运行，且延迟极小（半秒），使其适用于多种实时应用。
引用
@article{arxiv.1912.05636,
title = {CineFilter: Unsupervised Filtering for Real Time Autonomous Camera Systems},
author = {Sudheer Achary and K L Bhanu Moorthy and Syed Ashar Javed and Nikita Shravan and Vineet Gandhi and Anoop Namboodiri},
journal= {arXiv preprint arXiv:1912.05636},
year = {2020}
}