Mar, 2023

基于深度学习的立体相机多视频同步技术

PDF
TL;DR该研究比较了不同的基于深度学习的系统，证明了一些系统足够高效和具有泛化能力，能够在软件层面实现双目相机的视频同步，从而降低整个系统的成本、重量和体积，并为生产就绪软件视频同步系统铺平了道路。
stereo visionsoftware-based synchronizationdeep learning-based systemsvideo synchronization systemproduction ready
发现论文，激发创造
  • 多个分布式摄像机的无线软件同步

    本文提出了一种基于软件的方法，采用 WiFi 连接的智能手机摄像头精确定时同步图像序列捕获，无需使用图像内容，可在不到 250 微秒的时间内在未经修改的商品硬件上实现准确度。

    Dec, 2018

  • 机器学习与双目立体视觉在图像深度估计方面的协同作用：一项综述

    本文综述了基于学习的单目和双目图像深度估计的最新研究，强调了立体匹配、机器学习和深度学习之间的协同作用、迄今为止取得的成功以及社区将在不久的将来面临的挑战。

    Apr, 2020

  • 无标记学习稳健视频同步

    本文介绍一种可扩展和强健的非线性时间视频对齐方法，该方法利用了视频本身的本质，能够在没有手动标签的情况下对月份间隔的数据进行视频对齐，并能用于计算机图形学和视觉领域的广泛应用。

    Oct, 2016

  • 基于双目视觉的深度估计深度学习技术综述

    该研究综述了基于深度学习的立体视觉对图像深度估计的应用，总结了该领域的常见流程、优缺点并探讨了未来可能的方向。

    Jun, 2020

  • PoseSync: 鲁棒的基于姿态的视频同步

    提出基于姿势的视频同步管道，通过裁剪图像中的人物区域并进行姿势检测，应用动态时间规整 (DTW) 对姿势关键点之间的角度 / 距离测量进行尺度和位移不变的匹配，能够在多个领域中应用，例如游戏性能评估、编舞或指导运动员。

    Aug, 2023

  • 时域立体匹配：超过 100 帧每秒的扩展现实视频立体匹配

    实时立体匹配是许多扩展现实（XR）应用的基础算法，本研究介绍了一个包含室内场景的真实视频立体合成数据集，并提出了一种在低功耗设备上实现高准确度实时深度推测的新方法。

    Sep, 2023

  • 实时时间同步的事件驱动立体视觉

    本研究提出了一种新颖的事件驱动的立体视觉方法，解决了运动模糊问题。这种方法使用开发者提出的一些同步技巧，使用一对时间同步的事件视差体来表示事件，使用新的匹配成本来选择同步的事件视差体中的特征点，并在 Multi Vehicle Stereo Event Camera 数据集上表现出比传统方法更好的效果。

    Mar, 2018

  • 实时语义立体匹配

    研究表明，语义立体匹配比独立任务能更好地了解机器人、自我导航、增强现实等领域的场景理解。本文提出了一种单一的紧凑型和轻量级架构，通过多阶段的自上而下的估算，使得在任何硬件上和任何应用中都可以获得非常快速的推理，并对特定的应用要求进行准确度和速度的权衡。

    Oct, 2019

  • DynamicStereo：来自立体视频的一致动态深度

    本文提出了一种新颖的基于 Transformer 的 DynamicStereo 结构来解决从双目摄像机中重构动态场景的问题，并介绍了 Dynamic Replica 数据集来提供更贴近实际应用的训练和评估数据。

    May, 2023

  • 边缘感知一致性立体视频深度估计

    通过使用双目输入，引进左右一致性损失函数，并提出一种保存边缘特征的损失函数来改善测试时训练中的深度模糊问题，提出了一种稠密的双目视频深度估计方法，调研结果表明该模型精度可靠。

    May, 2023