相关实验视频
Updated: May 1, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
智能城市数字媒体艺术沉浸式设计中的深度卷积网络
1School of Fine Arts & Colored Lantern, Sichuan University of Science & Engineering, Zigong, 634000, China. tangjiao@suse.edu.cn.
Scientific reports
|November 15, 2024
概括
本研究介绍了使用卷积神经网络 (CNN) 的感知损失投影补偿网络 (PL-PCN),以提高智能城市的数字媒体艺术品质量. PL-PCN显著改善了沉浸式投影系统的图像质量指标.
科学领域:
- 数字媒体艺术 数字媒体艺术
- 计算机视觉 计算机视觉
- 智慧城市 智慧城市
背景情况:
- 数字媒体艺术利用智能城市环境中的沉浸式场景.
- 卷积神经网络 (CNN) 提供了增强视觉体验的潜力.
- 现有的方法可能无法完全解决投影机-摄像机系统中的光度补偿.
研究的目的:
- 调查CNN在数字媒体中用于光度补偿的应用.
- 设计和评估一个新的网络,以提高沉浸式投影质量.
- 为增强智能城市数字媒体艺术提供理论框架.
主要方法:
- 一个投影机-摄像机-计算机系统被用于沉浸式显示.
- 设计了一个投影补偿网络 (PCN),结合了多层次的感知损失.
- 开发了感知损失预测补偿网络 (PL-PCN),集成了一个深度聚合结构.
主要成果:
- PL-PCN模型在图像质量指标上显示出显著的改进.
- SSIM和PSNR分别增长了35.8%和31.6%,RMSE减少了40.9%.
- 深度聚合结构进一步增强了补偿效应,提高了SSIM和PSNR的6%和7.57%.
结论:
- 在投影系统中,CNN,特别是PL-PCN,有效地解决了光度补偿问题.
- PL-PCN提供了一种强大的方法来提高沉浸式数字媒体艺术的视觉质量.
- 深度聚合结构增强了补偿效应,为复杂的场景提供了更强大的解决方案.
