基于光流与拉普拉斯平滑的视频插值
计算机视觉与模式识别
2016-03-29 v1
摘要
非刚性视频插值是一个常见的计算机视觉任务。本文提出一种光流方法，采用拉普拉斯余切网格约束来增强局部平滑性。与Li等人类似，我们的方法将网格应用于图像，分辨率高达每像素一个顶点，并使用角度约束来确保图像对之间合理的局部形变。拉普拉斯网格约束完全在光流优化内部表达，并可直接应用于广泛的图像跟踪与配准问题。我们通过在中途镇（Middlebury）和Garg等人数据集等若干基准数据集上测试来评估我们的方法。此外，我们展示了该方法在从动态3D数据构建3D可变形人脸模型中的应用。
引用
@article{arxiv.1603.08124,
title = {Video Interpolation using Optical Flow and Laplacian Smoothness},
author = {Wenbin Li and Darren Cosker},
journal= {arXiv preprint arXiv:1603.08124},
year = {2016}
}