Real-time specularity detection and recovery
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.
Notice bibliographique
Résumé
Specularity is a very common phenomenon in the real world and confounds many computer vision tasks such as stereo.The first purpose of this thesis is to design a real-time algorithm of specularity detection.After that, with the knowledge of where the specularities are, a stereo correspondence approach robust to specularity is proposed.Finally, a specularity recovery method is presented to recover the underlying diffuse color using the stereo correspondence information.For real-time specularity detection, a new concept of unnormalized Wiener entropy (UW Entropy) is first proposed in this thesis, which has the desirably simple final form and requires no information about the lighting condition, surface structure, imaging process, pre-segmentation, polarization state, and so forth.However, like other specularity detection methods based on color alone, some false positives may be detected.To distinguish between genuine specularities and false positives, a Support Vector Machine is learned in the proposed SpecLBP space as well as three other spaces as comparisons.An alternative version is also presented for the beam-splitter based stereo pairs in the 3D movie industry, where the curse of side-effect of the beamsplitter is turned into a blessing for identifying problematic specularities.After the genuine specularities are spotted, a new specularity-invariant stereo correspondence method is proposed.By constructing an UW Entropy based matching energy and minimizing it in the MAP-MRF framework using graph cuts, a disparity map robust to specularities can be gained, which offers a precious piece of information for
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle