| 1 |
1
참조 영상 선정부를 통해 깊이 영상을 구하고자 하는 대상 영상에 대하여 카메라간 거리(baseline)와 카메라 주축(principal axis)간 각도에 따라 참조 영상들을 선정하는 단계; 선정된 참조 영상들에 대해 비용 볼륨 생성부를 통해 OpenCL 기반 GPGPU 전처리 파이프라인을 활용하여 핸드-크래프트 특징 기반의 플랜-스윕(plane-sweep) 비용 볼륨을 구축하는 단계; 및깊이 영상 추정부에서 CNN 기반의 인코더-디코더(encoder-decoder)를 포함하는 비용 볼륨 회귀 네트워크를 통해 구축한 비용 볼륨으로부터 변이도를 추정하는 단계 를 포함하고, 선정된 참조 영상들에 대해 비용 볼륨 생성부를 통해 OpenCL 기반 GPGPU 전처리 파이프라인을 활용하여 핸드-크래프트 특징 기반의 플랜-스윕(plane-sweep) 비용 볼륨을 구축하는 단계는, 깊이 정보를 취득하려는 대상 영상에 대해 복수의 참조 영상들로부터 인접 화소 간 깊이 정보 일치도(depth consistency)를 증가시키고, 잡음을 감소시키기 위해 각 화소 중심으로 미리 정해진 사각 영역에서 NCC 비용을 계산하여 비용 볼륨을 구축하는 다중 뷰 스테레오 정합 방법
|
| 2 |
2
제1항에 있어서,참조 영상 선정부를 통해 깊이 영상을 구하고자 하는 대상 영상에 대하여 카메라간 거리(baseline)와 카메라 주축(principal axis)간 각도에 따라 참조 영상들을 선정하는 단계는, 대상 영상과 참조 영상들 간의 유효 정보를 포함하는 비용 볼륨으로부터 네트워크를 학습시키기 위해 대상 영상과 짝을 이루는 깊이 영상(ground truth)이 미리 정해진 유효 깊이 범위 내의 값 이상을 갖는 대상 영상을 선정하고, 선정된 대상 영상에 대하여 각 변화도가 5도 내지 45도 이내에 있고, 카메라 간 거리(baseline)가 미리 정해진 거리 이상인 영상들만을 참조 영상의 후보군으로 선정하며, 선정된 참조 영상 후보군으로부터 대상 영상과의 유사도 점수(view similarity)에 따라 최종 참조 영상을 선정하는다중 뷰 스테레오 정합 방법
|
| 3 |
3
삭제
|
| 4 |
4
깊이 영상을 구하고자 하는 대상 영상에 대하여 카메라간 거리(baseline)와 카메라 주축(principal axis)간 각도에 따라 참조 영상들을 선정하는 참조 영상 선정부; 선정된 참조 영상들에 대해 OpenCL 기반 GPGPU 전처리 파이프라인을 활용하여 핸드-크래프트 특징 기반의 플랜-스윕(plane-sweep) 비용 볼륨을 구축하는 비용 볼륨 생성부; 및CNN 기반의 인코더-디코더(encoder-decoder)를 포함하는 비용 볼륨 회귀 네트워크를 통해 구축한 비용 볼륨으로부터 변이도를 추정하는 깊이 영상 추정부 를 포함하고, 비용 볼륨 생성부는, 깊이 정보를 취득하려는 대상 영상에 대해 복수의 참조 영상들로부터 인접 화소 간 깊이 정보 일치도(depth consistency)를 증가시키고, 잡음을 감소시키기 위해 각 화소 중심으로 미리 정해진 사각 영역에서 NCC 비용을 계산하여 비용 볼륨을 구축하는 다중 뷰 스테레오 정합 장치
|
| 5 |
5
제4항에 있어서,참조 영상 선정부는, 대상 영상과 참조 영상들 간의 유효 정보를 포함하는 비용 볼륨으로부터 네트워크를 학습시키기 위해 대상 영상과 짝을 이루는 깊이 영상(ground truth)이 미리 정해진 유효 깊이 범위 내의 값 이상을 갖는 대상 영상을 선정하고, 선정된 대상 영상에 대하여 각 변화도가 5도 내지 45도 이내에 있고, 카메라 간 거리(baseline)가 미리 정해진 거리 이상인 영상들만을 참조 영상의 후보군으로 선정하며, 선정된 참조 영상 후보군으로부터 대상 영상과의 유사도 점수(view similarity)에 따라 최종 참조 영상을 선정하는다중 뷰 스테레오 정합 장치
|
| 6 |
6
삭제
|
