Low-complexity automated depth-order estimation for 2D-to-3D video conversion
Notice bibliographique
Résumé
The increasing popularity of 3D TV creates the desire for more 3D video content. Unfortunately, it will take much time for there to be an abundance of 3D video content derived from stereoscopic cameras. However, there currently exists a vast quantity of 2D video material that can potentially be converted to 3D. Converting 2D into 3D is a complex process, and so can be costly. Thus, an automated solution that can be achieved with low-complexity would be desirable. Our past research work has already resulted in a real-time 2D-to-3D conversion technique, but this generates a surrogate depth map that results in pseudo-3D and not necessarily accurate 3D. Our current research focuses on improving the accuracy of the 3D effect by implementing a technique composed of a multi-step process to determine the depth-order of objects, with respect to the camera, in each frame of a video sequence, and incorporating into our existing technique. The multi-step process can be summarized as follows: detect pixels that belong to an edge; use block-based motion estimation to determine if an edge pixel is moving and thus belongs to a moving edge (i.e., occlusion boundary); determine which of either the left or right side block moves with the moving edge pixel, and by deduction determines the occluding object; select seed points from the moving edge pixels; implement color-only region growing from each seed; cluster regions into objects based on their proximity; globally assign depth-order to the objects based on perceived viewing perspective of a frame; and modify the original surrogate depth map to create a more accurate depth map. Test results show that this is a very effective and fast technique for deriving the depth-order of objects and generating more accurate depth map values.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».