초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 비디오 영상열 내에 컴퓨터가 생성한 가상의 3D 영상을 이음새 없이 추가하기 위한 문제에 초점을 맞추고 있다. 2단계의 견고한 통계적인 메소드는 추적된 커브들의 모델-영상 대응점으로부터 보다 정확한 자세를 평가하기 위하여 자세 계산을 위해 사용되었다. 또한, 관점의 정확성 향상을 위하여 두 개의 연속하는 영상들간에 매치될 수 있는 핵심점을 카메라 움직임에 대한 상관관계 함수로 사용하여 매칭 에러와 reprojection 에러를 포함한 비용함수를 최소화함에 의해 관점을 향상시킨다. 비디오 영상내 객체 영상과 가상의 3D 영상간에 발생하는 폐색 공간문제를 해결하기 위하여 반 자동 알고리즘을 제안하였다.

본 논문에서는 비디오 영상열 내에 컴퓨터가 생성한 가상의 3D 영상을 이음새 없이 추가하기 위한 문제에 초점을 맞추고 있다. 2단계의 견고한 통계적인 메소드는 추적된 커브들의 모델-영상 대응점으로부터 보다 정확한 자세를 평가하기 위하여 자세 계산을 위해 사용되었다. 또한, 관점의 정확성 향상을 위하여 두 개의 연속하는 영상들간에 매치될 수 있는 핵심점을 카메라 움직임에 대한 상관관계 함수로 사용하여 매칭 에러와 reprojection 에러를 포함한 비용함수를 최소화함에 의해 관점을 향상시킨다. 비디오 영상내 객체 영상과 가상의 3D 영상간에 발생하는 폐색 공간문제를 해결하기 위하여 반 자동 알고리즘을 제안하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 AR 비디오 시스템을 위한 occlusion 문제를 해결하기 위한 새로운 방법을 제안하였으며, 실험으로 가상의 객체 영상을 증강시켜 입증하였다.가장 큰 장점을 두 프레임 사이에서 계산된 움직임위의 불명확성을 제거하는 방법에 집중 혼｝•다, 이것은 occluding 경계가 검색될 수 있는 흥미 있는 영역을 정의하도록 허락하고 영역기반 트랙킹 알고리즘에 제약올가한다.

가설 설정

• • local 단계 : 이 단계의 목표는 틀린 부분에 대한 영향을 줄이는 것이다. 즉, 영상 커브 Ct의 나머지에 러 r, 는 거리 { dij} 1£>£Z에 대한 견고한 함수에 의해 계산된다.
• 그러므로, 카메라의 내부 파라미터들을 캘리브레이션 프로세스에 의해 측정하기 위해, 6개의 파라미터들을 결정해야 하고(R에 대해 3개, T에 대해 3개), 벡터 0에 의해 표현했다. 여기서 3D 포인트들 M 를 알고있다고 가정하고 이미지 내에서 그들의 대응하는 키포인트 들울 次汩GM”} 라고 가정한다. 관점을 계산하는 것은 R, T를 찾는 것과 같으며 그것은 re~projection 에러를 최소화한다.

제안 방법

• 관점 위의 불명확성을 고려하기 위하여 두 개의 중심 뷰에서 외부의 관점을 고찰한다. 즉, 외부의 관점은 다음과 같다.
• 3D 영상의 커브들에 대응하는 2D 영상의 커브들 간의 point-to-point의 대응점들은 이용할 수 없기 때문에 관점 계산은 더욱더 어려운 문제이다. 그러므로, 견고한 추정을 위해 2단계 통계적인 메소들 제안하였다. 즉, local 단계는 각 특성에 대한 나머지를 계산하고, global 단계는 나머지 함수를 최소화한다.

대상 데이터

• - A 파라미터는 이용 가능한 3D 데이터에 속하는 근사와 키- 포인트들 간의 2D 대웅점들의 품질 사이에서 타협안올 제어한다. 우리는 실험에서 人=1을 사용하였다. 등식3의 최소화는 Powell's 알고리즘과 같이 최소화를 위해 반복적인 알고리즘을 사용함에 의해 계산된다.

이론/모형

• (1) 을 최소화하는 것은 /> 에 대한 초기 평가를 사용한 표준 기법을 수행해야 하므로, 본 논문에서는 Powell's 메소드"］를 사용한다.
• 3)3D 곡선의 프로젝션을 사용해서 2개의 핵심 뷰들 간의 프레임에서 2) 감추어진 경계선을 예측한다. 4) 예측된 경계선은 정제되고, 회복된 경계 포인트 들이 그들 영역에 반드시 존재해야 하고, 영역기반 트랙킹과 act ive contour model을 사용한다.
• 키 포인트들이 일반적으로 모델 포인트들에 대응하지 않은 이래, 관점 계산은 포인트들의 2D 대응을 통해 향상 시 킬 수 있다. 그러므로, 특징점을 추출하는 measure를 계산하기 위해 Harris and Stephens[2]의 자동상관함수 를 사용한다. 즉, 행렬의 고유치는 자동 상관 함수의 주요한 곡률로, 이 값이 높으면 키포인트가 추출된다.
• 최소의' 추정량은치에 강건하지 않으므로, 가장 강건한 기법중의 하나인 M-estimator를 사용한다. 즉, 제곱 된 나머지를 대신하여 최소화하는 유도함수를 식 (1) 과 같이 사용한다.

후속연구

• 키프레임의 신중한 선택을 통해서, 다른 접근 방법보다 더욱 쉽고 정확한 AR 영상을 얻을 수 있다. 향후에는 좀 더 다양한 영상을 대상으로 metric 정보를 추가한 증강된 비디오 영상을 제작하고자 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기