基于实例分割与深度估计的视差运动效果生成
计算机视觉与模式识别
2020-10-07 v1 机器学习
图像与视频处理
摘要
由于立体视觉技术为虚拟现实和增强现实应用等现代解决方案的开发提供了无数机遇与应用，其已成为计算机视觉中一个日益增长的研究课题。为了增强用户在三维虚拟环境中的体验，运动视差估计是实现该目标的一种有前景的技术。在本文中，我们利用最先进的实例分割与深度估计方法，提出了一种从单幅图像生成视差运动效果的方法。考虑到一个能够一次性估计实例分割与深度估计的多任务学习网络，本工作还对这些算法进行了比较，以研究视差运动效果的效率和质量之间的权衡。实验结果和视觉质量评估表明，PyD-Net网络（深度估计）结合Mask R-CNN或FBNet网络（实例分割）能够产生具有良好视觉质量的视差运动效果。
引用
@article{arxiv.2010.02680,
title = {Parallax Motion Effect Generation Through Instance Segmentation And Depth Estimation},
author = {Allan Pinto and Manuel A. Córdova and Luis G. L. Decker and Jose L. Flores-Campana and Marcos R. Souza and Andreza A. dos Santos and Jhonatas S. Conceição and Henrique F. Gagliardi and Diogo C. Luvizon and Ricardo da S. Torres and Helio Pedrini},
journal= {arXiv preprint arXiv:2010.02680},
year = {2020}
}
备注
2020 IEEE International Conference on Image Processing (ICIP), Abu Dhabi, United Arab Emirates