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 논문에서는 밝기가 다른 입력 영상들을 제시된 비용함수로 각각 점수를 계산함으로써, 레퍼런스 이미지로 최적인 영상을 결정하는 방법에 대해 제안하였다. 또한 성능을 검증하기 위해 레퍼런스 이미지의 밝기를 다르게 하여 스테레오 매칭을 해봄으로써, 레퍼런스 이미지의 점수와 결과 시차 맵의 에러율이 일관된 결과를 보임을 알 수 있었다.
가설 설정
- 본 논문에서 제안한 각 이미지의 비용을 계산하는 방법에서는, 이미지 픽셀 값의 분포가 고를수록 더 많은 정보를 담고 있다고 가정한다. 즉, 레퍼런스 이미지는 균등(uniform)한 확률 분포를 가진다고 가정한다.
- 본 논문은 영상의 픽셀 값이 고루 분포되어 있을수록 영상 정보를 많이 가지고 있다고 가정한다. 즉, 레퍼런스 영상이 될 확률이 높다고 가정한다.
- 스테레오 매칭, 중간 시점 합성, 혹은 파노라마 스티칭과 같이 픽셀 간 대응점(Corresponding point)을 이용하는 영상처리에서는 기본적으로 랑베르 모델 (Lambertian model)을 가정한다[1][2]. 즉, 각 영상 간 대응점들의 강도(intensity)는 같다.
- 본 논문은 영상의 픽셀 값이 고루 분포되어 있을수록 영상 정보를 많이 가지고 있다고 가정한다. 즉, 레퍼런스 영상이 될 확률이 높다고 가정한다. 이 가정에 각 입력 영상 히스토그램의 확률 분포가 어느 정도 고른 지를 비용 함수로 모델링 하여 자동으로 레퍼런스 이미지를 결정하는 척도(metric)를 제안한다.
- 본 논문에서 제안한 각 이미지의 비용을 계산하는 방법에서는, 이미지 픽셀 값의 분포가 고를수록 더 많은 정보를 담고 있다고 가정한다. 즉, 레퍼런스 이미지는 균등(uniform)한 확률 분포를 가진다고 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.