语义驱动的 $360^\circ$ 视频超缩时生成
计算机视觉与模式识别
2017-10-11 v4
摘要
我们提出了一种系统，用于将全全景（）视频转换为正常视场（NFOV）超缩时视频，以获得最佳观看体验。我们的系统利用视觉显著性和语义在空间和时间上进行非均匀采样，以生成超缩时视频。此外，用户可以选择性地选取感兴趣的目标以定制超缩时视频。我们首先通过平滑相邻帧之间的旋转来稳定输入的 视频，然后计算感兴趣区域和显著性得分。通过优化显著性与运动平滑度，随后进行显著性感知的帧选择，生成初始超缩时视频。我们进一步使用一种自适应选择运动模型的高效 2D 视频稳定方法来平滑结果，以生成最终的超缩时视频。我们通过展示各种场景的结果，并通过用户研究与最先进的方法进行比较，验证了我们系统的设计。
引用
@article{arxiv.1703.10798,
title = {Semantic-driven Generation of Hyperlapse from $360^\circ$ Video},
author = {Wei-Sheng Lai and Yujia Huang and Neel Joshi and Chris Buehler and Ming-Hsuan Yang and Sing Bing Kang},
journal= {arXiv preprint arXiv:1703.10798},
year = {2017}
}
备注
This work is accepted in Transactions on Visualization and Computer Graphics (TVCG)