MétaCan
Menu
Retour à la cohorte
Enregistrement W2772584911 · doi:10.15353/vsnl.v3i1.179

Motion Detection in High Resolution Enhancement

2017· article· en· W2772584911 sur OpenAlex
Xiaodan Hu, Avery Ma, Ahmed Gawish, Mark Lamm, Paul Fieguth

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJournal of Computational Vision and Imaging Systems · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Vision and Imaging
Établissements canadiensChristie (Canada)University of Waterloo
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésComputer visionArtificial intelligenceComputer scienceMotion estimationSuperposition principleMotion (physics)Quarter-pixel motionResolution (logic)Mathematics

Résumé

récupéré en direct d'OpenAlex

Shifted Superposition (SSPOS) is a resolution enhancement methodwhere apparent high-resolution content is displayed using a lowresolutionprojection system with an opto-mechanical shifter. WhileSSPOS-enhanced projectors have been showing promising resultsin still images, they still suffer from motion artifacts in video contents.Motivated by this, we present a novel approach to apparentprojector resolution enhancement for videos via motion-basedblurring module. We propose the use of a motion detection moduleand a blurring module to compensate for both SSPOS-resulted andnatural motion artifacts in the video content. To accomplish this,we combine both local and global motion estimation algorithms togenerate accurate dense flow fields. The detected motion regionsare enhanced using directional Gaussian filters. Preliminary resultsshow that the proposed method can produce accurate densemotion vectors and significantly reduce the artifacts in videos.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,299
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle