有效的无扭曲神经投影仪在动态投影映射绘制中变得模糊

科学领域:

• 计算机视觉 计算机视觉
• 图形和染 图形和染
• 机器学习 机器学习

背景情况:

• 动态投影映射 (DPM) 需要实时的几何补偿和移动对象的模糊.
• 投影机浅的景深会导致显著的失焦模糊,降低图像质量.

研究的目的:

• 开发一个没有延迟的DPM框架,具有高图像质量.
• 为了实现实时的几何补偿和投影仪模糊清除.

主要方法:

• 为几何补偿和投影机消除模糊性提出了一个两部分的神经网络框架.
• 几何补偿使用光学流量检测用于像素扭曲.
• 开发了一种现实的合成数据生成方法来建模几何扭曲和失焦模糊.

主要成果:

• 拟议的网络实现了实时利和几何补偿.
• 在合成数据上的训练产生了与最先进的方法相比的投影仪模糊清除.
• 该框架有效地处理几何扭曲和失焦模糊.

结论:

• 拟议的框架为高质量的实时DPM提供了实际解决方案.
• 合成数据生成对于预训练DPM网络至关重要,因为缺乏真实世界的数据集.
• 该方法在具有挑战性的DPM场景中显示了与现有技术相比较的性能.