Surrogate depth maps for stereoscopic imaging: different edge types
Notice bibliographique
Résumé
Previously we demonstrated that surrogate depth maps, consisting of "depth" values mainly at object boundaries in the image of a scene, are effective for converting 2D images to stereoscopic 3D images using depth image based rendering. In this study we examined the use of surrogate depth maps whose depth edges were derived from cast shadows located in multiple images (Multiflash method). This method has the capability to delineate actual depth edges, in contrast to methods based on (Sobel) edge identification and (Standard Deviation) local luminance distribution. A group of 21 nonexpert viewers assessed the depth quality and visual comfort of stereoscopic images generated using these three methods on two sets of source images. Stereoscopic images based on the Multiflash method provided an enhanced depth quality that is better than the depth provided by a reference monoscopic image. Furthermore, the enhanced depth was comparable to that observed with the other two methods. However, all three methods generated images that were rated "mildly uncomfortable" or "uncomfortable" to view. It is concluded that there is no advantage in the use of the Multiflash method for creating surrogate depth maps. As well, even though the depth quality produced with surrogate depth maps is sufficiently good, the visual comfort of the stereoscopic images need to be improved before this approach of using surrogate depth maps can be deemed suitable for general use.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».