面向立体3D图像深度调整的视觉舒适感知强化学习
计算机视觉与模式识别
2021-04-15 v1 图像与视频处理
摘要
深度调整旨在增强立体3D（S3D）图像的视觉体验，同时改善视觉舒适与深度感知。对于人类专家，深度调整过程是一系列迭代决策。人类专家迭代地调整深度，直至其对视觉舒适水平与感知深度均感满意。本文中，我们提出一种基于深度强化学习（DRL）的新型深度调整方法，名为VCA-RL（视觉舒适感知强化学习），以显式建模人类在深度编辑操作中的序列决策。我们将深度调整过程表述为马尔可夫决策过程，其中动作定义为控制左右相机间距离的相机移动操作。我们的智能体基于客观视觉舒适评估指标的引导进行训练，以学习在立体观看感知方面最优的相机移动动作序列。通过大量实验与用户研究，我们在三个不同S3D数据库上展示了VCA-RL模型的有效性。
引用
@article{arxiv.2104.06782,
title = {Visual Comfort Aware-Reinforcement Learning for Depth Adjustment of Stereoscopic 3D Images},
author = {Hak Gu Kim and Minho Park and Sangmin Lee and Seongyeop Kim and Yong Man Ro},
journal= {arXiv preprint arXiv:2104.06782},
year = {2021}
}
备注
AAAI 2021