합성 보기: 컴퓨터 비전의 관점 탐구

By Fouad Sabry

뷰 합성이란?

컴퓨터 그래픽 분야에서 새로운 뷰 합성이라고도 알려진 뷰 합성은 특정 관점에서 특정 주제나 장면의 이미지를 생성하는 작업입니다. 이 방법은 다양한 관점에서 찍은 사진만이 이용 가능한 정보인 경우에 활용됩니다.

당신이 얻을 수 있는 혜택

(I) 다음 주제에 대한 통찰력 및 검증:

1장: 합성 보기

2장: 이미지 등록

3장: 이미지 기반 모델링 및 렌더링

4장: 능동적 시각

5장: 3D 재구성

6장: 전방향(360도) 카메라

7장: 2D를 3D로 변환

8장: 딥드림

9장: 시각 센서 네트워크

10장: 비디오 초해상도

(II) 뷰 합성에 관한 대중의 주요 질문에 답변합니다.

(III) 다양한 분야에서 뷰 합성을 사용하는 실제 사례.

이 책은 누구를 위한 책인가

전문가, 학부생 및 대학원생, 매니아, 취미생활자, 모든 종류의 View 종합에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.

• Language: 한국어
• Publisher: 10 억 지식이 걸립니다 [Korean]
• Release date: May 5, 2024

Book preview

1장: 뷰 합성

뷰 합성은 서로 다른 관점에서 캡처한 여러 이미지를 결합하여 특정 피사체에 대한 고유한 관점을 제공하고자 합니다.

현재 컴퓨터 과학 연구, 비전 연구 및 인공 지능 분야는 적절한 문제 해결 전략의 정의에 대해 협력하고 있습니다.

뷰 합성을 사용하려면 특정 유리한 지점에서 특정 카메라 방향 및 설정으로 특정 피사체의 여러 이미지를 캡처한 다음 다른 유리한 지점에 동일한 설정으로 배치된 가상 카메라로 캡처한 것처럼 보이는 합성 이미지를 구성해야 합니다.

웹캠을 사용하여 두 사람이 컴퓨터를 통해 상호 작용합니다. 프로그램 창 뒤에 있는 가상 웹캠으로 캡처한 것처럼 사진을 렌더링해 보십시오. 이렇게 하면 이 환경을 괴롭혀온 오랜 눈 맞춤 문제가 해결될 것입니다. 사용자는 이중의 착각을 느낀다: 각자가 상대방의 얼굴을 쳐다보지만, 아무도 그 얼굴을 제대로 인식하지 못한다.

뷰 합성 응용 프로그램의 예로는 Free viewpoint television이 있습니다.

{챕터 1 종료}

2 장 : 이미지 정합

이미지를 정합하는 것은 여러 좌표계에서 단일 좌표계로 변환하는 것입니다. 여러 이미지, 다양한 센서의 데이터, 시간, 깊이 및 관점은 모두 가능한 데이터 형태입니다. 자율 표적 인식과 위성의 데이터 편집 및 분석의 군사적 응용 프로그램. 이러한 많은 메트릭의 데이터는 먼저 계정을 등록하지 않고는 비교하거나 통합할 수 없습니다.

사진 정렬이라고도 하는 이미지 정합 알고리즘은 강도 기반과 기능 기반의 두 가지 범주로 나뉩니다.

또한 이미지 정합 알고리즘이 타겟 이미지의 공간과 참조 이미지 사이의 대응을 설정하기 위해 사용하는 변환 모델을 기반으로 분류할 수도 있습니다. 선형 변환(회전, 크기 조정, 변환 및 기타 아핀 변환 포함)은 변환 모델의 첫 번째 중요한 클래스이며, 물리적 연속체 모델(점성 유체)이 그 뒤를 잇고, 마지막으로 대규모 변형 모델(diffeomorphisms)이 그 뒤를 잇습니다.

매개 변수화는 변환을 표현하는 빈번한 방법입니다. 매개변수의 수는 종종 모델에 의해 설정됩니다. 이러한 파라미터 중 하나는 전체 이미지의 변환을 정의하는 데 사용할 수 있는 변환 벡터입니다. 파라메트릭 모델은 매개변수가 있는 모델입니다. 대조적으로, 비모수적 모델은 매개변수화를 준수하지 않으므로 개별 이미지 요소의 무작위 변위를 허용합니다.

여러 소프트웨어 패키지에는 워프장 추정 및 응용 프로그램에 대한 지원이 포함되어 있습니다. SPM 및 AIR에 포함되어 있습니다.

반면에, 매끄러운 하위 다양체를 전송하여 구조를 보존하는 동종 형성 및 확산 형성은 공간 정규화에 대한 몇 가지 최첨단 접근 방식의 기초입니다. diffeomorphisms는 그룹을 구성하더라도 덧셈이 아니라 함수 구성의 법칙에 따라 그룹을 구성하기 때문에 흐름은 최첨단 계산 해부학 과학에서 diffeomorphism을 구성하는 데 사용됩니다. 결과적으로, 1-1을 제공하고 변환을 제공하는 가산군의 아이디어를 일반화하는 흐름에 의해 거대한 토폴로지 보존 변형이 생성될 수 있습니다. 전산 해부학에서 사용되는 측지 흐름에 해당하는 좌표계 간의 연결을 설정하기 위한 기본 계산 도구인 LDDMM은 이러한 변환을 생성하기 위해 선택하는 계산 방법입니다.

MRI Studio와 같은 여러 응용 프로그램은 diffeomorphic 매핑에 의해 좌표의 diffeomorphic 변경을 제공할 수 있습니다.

강도 패턴 또는 특성의 이미지 기반 일치는 공간 기술의 초점입니다. 작업자가 이미지에서 해당 제어점(CP)을 선택하는 수동 이미지 정합을 완료하는 기존 방법은 여러 기능 매칭 알고리즘에 영감을 주었습니다. RANSAC와 같은 반복적인 방법을 사용하여 제어점 수가 적절한 변환 모델을 설정하는 데 필요한 최소값을 초과할 때 그림 정합을 위한 특정 변환 유형(예: affine)의 매개 변수를 자신 있게 추정할 수 있습니다.

변환 영역에서 작동하는 주파수 영역 알고리즘은 그림 정합에 필요한 변환 파라미터를 결정합니다. 이러한 전략은 평행 이동, 회전 및 크기 조정과 같은 기본 변경을 실행하는 데 유용합니다. 두 장의