선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에 선 모션 분석 에 따른 기 대효과, 행동, 반작용 중 행동을 집중성을 가지는 물체의 움직 임으로 가정하였기 때문에, 모션이 시작되는 위치에서 블러링을 역으로 취하여 기대효과를 표현하고자 한다. 모션 이 탐지 되 지 않은 상태, 즉 정적인 상태에선 시각 정확성을 통해 커널의 크기를 정의하고모션이 탐지되는 순간부터 커널의 크기를 역으로 정하는 기대효과를 넣어주어야 한다.
- 보다 정확한 정보전달을 위해선 숙련된 기술자에 의한 화면구도 및색 분할, 그리고 움직임 제한 등의 방법이 필요하다. 본 논문은 이러한작업들을보정하기 위한영상기반의 기대효과를 자동으로 이끌어 내는 알고리즘을 제 안한다.
- 본 절에선 앞에서 구한 이미지와 모션기반의 집중도를 통해 영상의 기대효과를 생성하려 한다. 본 논문에선 영상에서의 행동을 집중점의 강조라는 가정하에 시작했기 때문에 기대효과는 집중점의 약화가 된다.
- 여기서 e값은 집중점과 현재 픽셀 사이의 사이 각을 뜻하므로, 이 값을 현재 우리가구한특징점 맵과모션 차이 맵으로 대체하여 현재 픽셀이 얼마만큼의 집중력을 가지는 지 고려하고자 한다. 따라서 앞에서 구한 두 가지 맵을 통해 e를 나타내 면 아래와 같다.
- 만약 모션에 있어 기대효과가 없으면 모션의 역동성과 집중성이 떨어질 수 밖에 없다. 우리는 기대효과를 비디오의 집중점을 기반으로 표현하여, 영상의 집중성과 역동성을 높이는 방법을 제안하고자 한다. 기존의 여러 연구에선 이미지의 집중점을 찾는 CSF (Contrast sensitivity function) 함수를 사용하여, 외 부영역 에 대한 정보를 줄여주는 LOD 기법들이 사용되었다 [2, 3, 4, 5].
- 우리는 얻어진 집중점을바탕으로하여 블러에의한 기대효과를 생성하려 한다. 이미지 또는 영상촬영에 있어 초점심도 (Depth of field) 는 영상의 질을 높임과 동시에 주요한 물체를 부곽시키는 장점을 가진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.