Yaponiyadan olan tədqiqatçılar fokus/defokusdan istifadə edərək dərinliyin qiymətləndirilməsi üçün yeni bir üsul hazırlayıblar – kameralardan istifadə edərək obyektlər arasındakı məsafəni ölçmək üçün istifadə olunan texnika – mövcud məhdudiyyətləri aradan qaldırmağa kömək edir.
“Fokal yığınından dərinlik” (DDFS) adlanan təklif olunan texnikanın təsviri sənəddə verilmişdir. Beynəlxalq Kompüter Görmə Jurnalıvə Nara Elm və Texnologiya İnstitutundan Yasuhiro Mukaigawa və Yuki Fujimura rəhbərlik edirdi.
DDFS necə işləyir?
Stereo görmədə istifadə edilən strategiyadan ilhamlanan DDFS model əsaslı dərinlik təxminini öyrənmə çərçivəsi ilə birləşdirir, kamera parametrləri, obyektivlərin fokuslanma modelinə və şəkillərin eyni görüntüdən götürüldüyü fokus yığınından daxil olan məlumatlara əsaslanaraq “xərc həcmi” yaradır. müxtəlif məsafələrdən səhnə.
Xərclərin həcmi hər piksel üçün potensial dərinlik dəyərləri, eləcə də fokus yığınındakı şəkillər arasında uyğunluq əsasında hesablanmış əlaqəli xərc dəyəri daxil olmaqla, dərinlik fərziyyələri toplusunu təmsil edir.
Tədqiqat üzrə tədqiqatçı Yasuhiro Mukaigawa dedi: “Xərclərin həcmi, təlim və sınaq vaxtlarında müxtəlif kamera parametrləri ilə dərinliyi qiymətləndirməyə imkan verən aralıq təmsil rolunu oynayaraq, defokus şəkilləri ilə səhnə dərinliyi arasında məhdudiyyət qoyur.”
Təklif olunan üsul fokus yığınından və kamera parametrlərindən daxil olur və obyektiv defokus modelinə əsaslanan xərc həcmini təyin edir (Şəkil: Yuki Fujimura)
DDFS həmçinin, səhnənin dərinliyini kobuddan incəyə qədər tədricən qiymətləndirən kodlayıcı-dekoder şəbəkəsindən istifadə edir. Hər mərhələdə DDFS şəkillərdə lokallaşdırılmış strukturlar haqqında məlumat əldə etmək üçün “xərclərin yığılmasından” istifadə edir.
DDFS mövcud metodlarla necə müqayisə olunur?
Digər dərinlik fokus/defokus üsulları ilə müqayisə edildikdə, DDFS bir neçə görüntü verilənlər bazası üçün müxtəlif ölçülər üzrə əksər metodları üstələyə bildi. Təcrübələr həmçinin göstərdi ki, DDFS digər texnikalardan fərqli olaraq giriş yığınlarında yalnız bir neçə giriş təsviri ilə faydalı ola bilər.
Yasuhiro Mukaigawa əlavə etdi: “Kamera parametrlərinin dəyişməzliyi ilə metodumuz öyrənməyə əsaslanan dərinliyi qiymətləndirmə üsullarının tətbiqini genişləndirməyə kömək edə bilər.”
Bu, DDFS-yə aydınlıq və ya bulanıqlığa əsaslanan səhnə dərinliyini qiymətləndirmək üçün riyazi və optik modellərdən istifadə edən model əsaslı metodlarla bağlı məhdudiyyətləri aradan qaldırmağa imkan verir və fokus/defokusdan dərinliyi səmərəli şəkildə yerinə yetirmək üçün öyrədilə bilən öyrənməyə əsaslanan metodlardan istifadə edir. teksturasız səthlər üçün.
Bununla o, robototexnika, avtonom nəqliyyat vasitələri, 3D təsvirlərin yenidən qurulması, virtual və genişlənmiş reallıq və müşahidə kimi dərinliyin qiymətləndirilməsi tələb olunan tətbiqlər üçün vəd verir.
Mövzular
Redaktor seçimləri