Optical flow is an approximation of

Optical flow is an approximation of the local image motion based upon local derivatives in a given sequence of
images. That is, in 2D it specifies how much each image pixel moves between adjacent images while in 3D in specifies
how much each volume voxel moves between adjacent volumes. The 2D image sequences used here are formed
under perspective projection via the relative motion of a camera and scene objects. The 3D volume sequences
used here were formed under orthographic projection for a stationary sensor and a moving/deforming object. In
both cases, the moving patterns cause temporal varieties of the image brightness. It is assumed that all temporal
intensity changes are due to motion only. This is usually true but there are many exceptions (see below). 2D/3D
derivatives are usually computed by repeated application of lowpass and highpass filters, for example the filters
proposed by Simoncelli [2]. Thus the computation of differential optical flow is, essentially, a two-step procedure:
1. measure the spatio-temporal intensity derivatives (which is equivalent to measuring the velocities normal to
the local intensity structures) and
2. integrate normal velocities into full velocities, for example, either locally via a least squares calculation [4, 28]
or globally via a regularization [3, 28].
Such algorithms are generally designed to work on a specific form of image 1. There can be no occlusion (one
object moving in front of/or behind another object), again unless this is modelled for. Similarly we assume there
are no specularities in the scene (otherwise the light source(s) and sensor(s) positions would have to be explicitly
modelled).
Finally, all objects in the scene are rigid, no shape changes allowed. This assumption is often relaxed to local
rigidity. This assumption assures that optical flow actually captures real motions in a scene rather than expansions,
contractions, deformations and/or shears of various scene objects.
In general, the use of optical flow in a generic machine vision system will probably require a sophisticated analysis
of image content and motion in order to determine that all of the algorithmic assumptions are likely to be met.
Quantitative use of the data will also require quantitative predictions of accuracy. The algorithms described here
have been made available as a project within the Tina system, see [1].

ผลลัพธ์ (ไทย) 1:

กระแสแสงเป็นการประมาณการเคลื่อนไหวภายในภาพตามตราสารอนุพันธ์ภายในลำดับที่กำหนดภาพ คือ ในสองมิติ จะระบุจำนวนแต่ละพิกเซลของภาพย้ายระหว่างภาพติดใน 3D ในการระบุว็อกเซลไดรฟ์ข้อมูลแต่ละจำนวนย้ายระหว่างไดรฟ์ข้อมูลที่อยู่ติดกัน มีจัดลำดับภาพ 2D ที่ใช้ที่นี่ภายใต้มุมมองการฉายผ่านการเคลื่อนไหวที่สัมพันธ์กันของวัตถุที่กล้องและฉาก ลำดับเสียง 3Dใช้ที่นี่ได้ก่อตั้งขึ้นภายใต้การฉาย orthographic เซนเซอร์เครื่องเขียนและวัตถุที่ย้าย/เปลี่ยนรูป ในทั้งสองกรณี รูปเคลื่อนไหวทำให้สายพันธุ์ชั่วคราวของความสว่างของภาพ จะถือว่าเป็นที่ขมับทั้งหมดมีการเปลี่ยนแปลงความเข้มเนื่องจากการเคลื่อนไหวเท่านั้น ก็ปกติ แต่มีข้อยกเว้นมากมาย (ดูด้านล่าง) 2D/3Dตราสารอนุพันธ์มีมักจะคำนวณ โดยใช้ highpass และสัญญาณตัวกรอง ตัวกรองซ้ำนำเสนอ โดย Simoncelli [2] การคำนวณกระแสแตกต่างแสงจึง หลัก ขั้นตอนสองขั้นตอน:1. วัดอนุพันธ์ความเข้ม spatio ขมับ (ซึ่งจะเท่ากับวัดตะกอนปกติโครงสร้างความรุนแรงในท้องถิ่น) และ2. ปกติตะกอนรวมเป็นตะกอนเต็ม เช่น หรือในท้องถิ่นผ่านการคำนวณอย่างน้อยสี่เหลี่ยม [4, 28]หรือทั่วโลกผ่าน ทาง regularization [3, 28]อัลกอริทึมดังกล่าวถูกออกแบบมาเพื่อทำงานในแบบเฉพาะของภาพที่ 1 โดยทั่วไป จะไม่ไม่ควรมองข้าม(object moving in front of/or behind another object), again unless this is modelled for. Similarly we assume thereare no specularities in the scene (otherwise the light source(s) and sensor(s) positions would have to be explicitlymodelled).Finally, all objects in the scene are rigid, no shape changes allowed. This assumption is often relaxed to localrigidity. This assumption assures that optical flow actually captures real motions in a scene rather than expansions,contractions, deformations and/or shears of various scene objects.In general, the use of optical flow in a generic machine vision system will probably require a sophisticated analysisof image content and motion in order to determine that all of the algorithmic assumptions are likely to be met.Quantitative use of the data will also require quantitative predictions of accuracy. The algorithms described herehave been made available as a project within the Tina system, see [1].

ผลลัพธ์ (ไทย) 3:

การไหลของแสงเป็นค่าประมาณของการสร้างภาพยนตร์ท้องถิ่นขึ้นอยู่กับอนุพันธ์ท้องถิ่นในรับดับ
ภาพ นั่นคือ ใน 2D และกำหนดเท่าใดแต่ละภาพพิกเซลภาพในขณะที่การเคลื่อนไหวระหว่างที่อยู่ใน 3D ในระบุ
เท่าใดแต่ละหมวดว็อกเซลย้ายระหว่างปริมาณที่อยู่ติดกัน การลำดับภาพ 2D ที่ใช้ที่นี่จะเกิดขึ้น
ภายใต้ประมาณการมุมมองผ่านกล้องและฉากสัมพัทธ์ของวัตถุ เสียง 3D ที่ใช้ที่นี่เป็นลำดับ
เกิดขึ้นภายใต้ระบบปฏิบัติการสำหรับเซ็นเซอร์เครื่องเขียนและการย้าย / การ เปลี่ยนรูปวัตถุ ใน
ทั้งสองกรณีรูปแบบการย้ายเพราะพันธุ์ขมับของความสว่างของภาพ เป็นสันนิษฐานว่าขมับ
เข้มเปลี่ยนแปลงเนื่องจากการเคลื่อนไหวเท่านั้นนี้มักจะเป็นความจริงแต่ก็มีข้อยกเว้นมาก ( ดูด้านล่าง ) 2D / 3D
อนุพันธ์มักจะคำนวณโดยการแทนตัวกรองความถี่ต่ำ และความถี่ เช่น กรอง
เสนอโดยซิมอนเชลลี [ 2 ] ดังนั้น การคำนวณค่าแสงไหลเป็นหลัก ขั้นตอนสองขั้นตอน :
1การวัดความเข้มของอนุพันธ์เชิงพื้นที่และเวลา ( ซึ่งเทียบเท่ากับการวัดความเร็วปกติ

โครงสร้างความรุนแรงในท้องถิ่น )
2 รวมความเร็วปกติในความเร็วเต็ม ตัวอย่างเช่น ภายใน ผ่านอย่างน้อย 4 การคำนวณ [ 28 ]
หรือทั่วโลกผ่านการศึกษา [ 28 ] .
ขั้นตอนวิธีดังกล่าวโดยทั่วไปจะออกแบบให้ทำงานในรูปแบบเฉพาะของภาพ 1จะไม่มีการอุดตัน ( วัตถุหนึ่ง
ย้ายหน้าหรือหลังวัตถุอื่น ) อีกนอกจากนี้จำลองสำหรับ ในทำนองเดียวกันเราถือว่ามี
ไม่มี specularities ในฉาก ( มิฉะนั้นแสงแหล่งที่มา ( s ) และเซ็นเซอร์ ( s ) ตำแหน่งจะต้องเป็นอย่างชัดเจน
จำลอง )
ในที่สุด วัตถุในฉากจะแข็ง ไม่มีรูปร่าง การเปลี่ยนแปลงไม่ได้รับอนุญาต สมมติฐานนี้มักจะผ่อนคลายการเกร็งท้อง

สมมติฐานนี้มั่นใจว่าไหลแสงจริงจับจริงเคลื่อนไหวในฉากมากกว่า ขยาย ย่อรูป
, และ / หรือตัดวัตถุฉากต่างๆ
ทั่วไป การใช้แสงในการมองเห็นระบบเครื่องทั่วไปอาจจะต้องใช้
การวิเคราะห์ที่ซับซ้อนเนื้อหาของภาพและการเคลื่อนไหวเพื่อตรวจสอบว่าทั้งหมดของสมมติฐานอัลกอริทึมมีแนวโน้มที่จะพบ .
ใช้ปริมาณของข้อมูล จะต้องมีปริมาณการคาดการณ์ของความถูกต้อง ขั้นตอนวิธีที่อธิบายไว้ที่นี่
ได้รับการทำใช้ได้เป็นโครงการภายในระบบทีน่า เห็น [ 1 ]