Among 2D-to-3D image conversion met

Among 2D-to-3D image conversion methods, those involvinghumanoperatorshavebeenmost successful butalso time-consuming and costly. Automatic methods, that typically make use of a deterministic 3D scene model, have not yet achieved the same level of quality as they often rely on assumptions that are easily violated in practice. In this paper, we adopt the radically different approach of “learning” the 3D scene structure. We develop a simplified and computationally-efficient version of our recent 2D-to-3D image conversion algorithm. Given a repository of 3D images, either as stereopairs or image+depth pairs, we find k pairs whose photometric content most closely matches that of a 2D query to be converted. Then, we fuse the k corresponding depth fields and align the fused depth with the 2D query. Unlike in our original work, we validate the simplified algorithm quantitatively on a Kinect-captured image+depth dataset against the Make3D algorithm. While far from perfect, the presented results demonstrate that online repositories of 3D content can be used for effective 2Dto-3D image conversion.

ผลลัพธ์ (ไทย) 2:

ท่ามกลาง 2D ไป 3D วิธีการแปลงภาพเหล่านั้นประสบความสำเร็จ involvinghumanoperatorshavebeenmost butalso เวลาและค่าใช้จ่าย วิธีการอัตโนมัติที่มักจะทำให้การใช้งานรูปแบบภาพ 3 มิติที่กำหนด, ยังไม่ได้ประสบความสำเร็จในระดับเดียวกันของคุณภาพที่พวกเขามักจะพึ่งพาสมมติฐานว่ามีการละเมิดในการปฏิบัติได้อย่างง่ายดาย ในบทความนี้เรานำมาใช้วิธีการที่แตกต่างกันอย่างสิ้นเชิงของ "การเรียนรู้" โครงสร้างภาพ 3 มิติ เราพัฒนาเอ็ด Fi Simpli และคอมพิวเตอร์ EF-Fi รุ่นเพียงพอของ 2D ไป 3D ขั้นตอนวิธีการแปลงภาพล่าสุดของเรา ที่ได้รับพื้นที่เก็บข้อมูลของภาพ 3 มิติไม่ว่าจะเป็นสเตอริโอหรือภาพ + คู่เชิงลึกเรา fi ครั้งคู่ k มีเนื้อหาแสงใกล้ชิดที่สุดตรงที่ของแบบสอบถาม 2D ที่จะแปลง จากนั้นเราจะหลอม k สอดคล้อง elds Fi เชิงลึกและจัดระดับความลึกผสมกับแบบสอบถาม 2D ซึ่งแตกต่างจากเดิมในการทำงานของเราที่เราตรวจสอบขั้นตอนวิธีเอ็ด Fi Simpli เชิงปริมาณในชุดภาพ Kinect จับ + เชิงลึกกับอัลกอริทึม Make3D ในขณะที่ห่างไกลจากความสมบูรณ์แบบนำเสนอผลแสดงให้เห็นว่าที่เก็บออนไลน์ของเนื้อหาแบบ 3D สามารถใช้สำหรับการที่มีประสิทธิภาพในการแปลงภาพ 2Dto-3D

ผลลัพธ์ (ไทย) 3:

ระหว่างวิธีการแปลง 2d-to-3d ภาพเหล่านั้น involvinghumanoperatorshavebeenmost ประสบความสำเร็จโดยใช้เวลานานและค่าใช้จ่ายสูง วิธีการอัตโนมัติ ที่มักจะใช้รูปแบบภาพ 3 มิติสามารถคาดเดาได้ ยังไม่ได้บรรลุระดับคุณภาพเดียวกันเป็นพวกเขามักจะพึ่งพาสมมติฐานที่สามารถละเมิดในการปฏิบัติ ในกระดาษนี้เราใช้วิธีการที่แตกต่างกันอย่างสิ้นเชิงของ " การเรียนรู้ " ฉาก 3 มิติโครงสร้าง เราพัฒนา Simpli จึงเอ็ดและ computationally EF จึง cient รุ่นล่าสุดของเรา 2d-to-3d ภาพการแปลงอัลกอริทึม ให้พื้นที่เก็บข้อมูลภาพ 3 มิติ ทั้ง stereopairs หรือความลึกของภาพคู่ เราจึงหา K คู่ที่มีแสงเนื้อหาส่วนใหญ่ตรงกับที่ของแบบสอบถาม 2D เพื่อแปลง จากนั้นเราฟิวส์ K ที่ความลึกจึง elds ให้หลอมรวมลึกกับ 2 มิติ แบบสอบถาม ซึ่งแตกต่างจากงานเดิมของเรา เราจึงใช้วิธีตรวจสอบ Simpli เอ็ดบน Kinect จับภาพความลึกของข้อมูลกับ make3d ขั้นตอนวิธี ในขณะที่ห่างไกลจากที่สมบูรณ์แบบที่นำเสนอผลลัพธ์ที่แสดงให้เห็นว่าออนไลน์ที่เก็บของ 3D เนื้อหาสามารถใช้ประสิทธิภาพ 2dto-3d
ภาพการแปลง