MétaCan
Menu
Retour à la cohorte
Enregistrement W3046829471 · doi:10.11159/mhci20.106

Synthesis of Integral Photography Images from Raw Images CapturedUsing a Consumer Light Field Camera

2020· article· en· W3046829471 sur OpenAlexvenueno aff
Kazuhisa Yanaka, Toshiaki Yamanouchi

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotographyComputer visionArtificial intelligenceComputer scienceComputer graphics (images)Computational photographyField (mathematics)Image processingImage (mathematics)MathematicsArtVisual arts

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a new method to synthesize an integral photography image to be displayed on a flat panel display based on a raw image captured using a commercial light field camera. Among stereoscopic image display methods, Lippmann's integral photography has the advantage of producing a high sense of reality because parallax occurs in the horizontal and vertical directions. When a stereoscopic image for IP is produced via live action, a large-scale camera system is typically required. By contrast, a commercial light field camera is portable and can record the intensity and direction of incident light by stacking a microlens array on a high-definition image sensor. However, a raw image obtained from the light field camera cannot be directly used for IP. We solve this problem by introducing conversion between IP images. We develop an experimental system for synthesizing images for IP from a raw image captured using a commercial light field camera (Lytro A1). Results confirm that an autostereoscopic image with horizontal and vertical parallax is displayed when observing the image using a fly's eye lens on a PC screen. The amount of popping out or sinking can be controlled by changing the parameters of the program.

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 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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207