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
- 이 방법은 기존의 방대한 2D 콘텐츠를 3D 콘텐츠로 변환할 수 있는 적합한 방법이다. 따라서 본 논문에서는 자동적으로 2D 콘텐츠를 3D 콘텐츠로 변환하기 위해 깊이 정보들로부터 깊이 지도를 생성하는 방법을 제안한다.
- 본 논문에서는 전경 깊이 지도와 배경 깊이 지도를 결합함으로써 2D-3D 자동 변환을 위한 깊이 지도 생성방법을 제안한다. 전경 깊이 지도를 생성하기 위해서 포커스/디포커스 깊이 지도와 움직임 시차 깊이 지도를 결합한다.
- 깊이 지도 생성 방법은 크게 단안 깊이 단서(monocular depth cue) 방법과 양안 깊이단서(binocular depth cue) 방법으로 나누어진다. 본 논문은 자동으로 2D 영상을 3D 영상으로 변환하는 것을 목적으로 하기 때문에 단안 깊이 단서 방법에 대해서만 언급한다. 그림 1 은 단안 깊이 단서의 분류를 보여준다.
가설 설정
- 이는 양질의 3D 콘텐츠로 얻을 수 있지만, 3D 콘텐츠를 제작하는 시간이 상당히 많이 걸리는 단점이 있다. 두 번째로, 반자동적으로 변환하는 방법은 사용자의 입력을 요구한다[1]. 이 방법은 수동으로 변환하는 방법에 비해서 시간을 줄일 수 있지만, 여전히 사람의 도움을 필요로 하는 단점이 있다.
- 또한, 카메라의 움직임으로 발생하는 전역 움직임(global motion)을 보상하여 영상 내 객체만을 분할하는 움직임 시차 깊이 지도를 생성하기 위해, 영상 내의 객체는 영상의 중앙에 위치한다고 가정하고 그림 7 과 같이 영상 외각(음영 처리된 부분)의 움직임 벡터 히스토그램(histogram) [9]을 이용하여 전역 움직임을 추정하고, 식(2)을 이용하여 전역 움직임 벡터를 보상한다. 그림 8 은 전역 움직임 보상 후에 결과를 보여준다.
- 선형 원근감 방법은 소실점(vanishing point)이 카메라에서 가장 먼 곳이라는 정보로부터 깊이 지도를 생성한다[3]. 상대적 높이(relative height) 방법은 영상의 아래 부분이 더 가깝다는 가정을 이용하여 깊이 지도를 생성한다[4]. 움직임 시차(motion parallax) 방법은 카메라에 움직임이 발생하였을 때 가까운 물체가 더 많은 시차를 갖는다는 가정을 기반으로 수평과 수직의 움직임 시차 양을 이용하여 깊이 지도를 생성한다[5].
- 상대적 높이(relative height) 방법은 영상의 아래 부분이 더 가깝다는 가정을 이용하여 깊이 지도를 생성한다[4]. 움직임 시차(motion parallax) 방법은 카메라에 움직임이 발생하였을 때 가까운 물체가 더 많은 시차를 갖는다는 가정을 기반으로 수평과 수직의 움직임 시차 양을 이용하여 깊이 지도를 생성한다[5].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.