Mapy głębokości mogą być dokładniejsze dzięki rzeczywistości wirtualnej

Grupa naukowców z Skasetech ADASE (Advanced Data Analytics in Science and Engineering) wdraża wirtualną rzeczywistość w celu ulepszenia grafiki w mapach głębi.

Mapy głębokości są generowane przez obrazy przechodzące przez szereg procesów graficznych, które muszą generować informacje wizualne. Zasadniczo zaimplementowano szereg algorytmów, dzięki którym, w oparciu o kombinację dwóch obrazów, mapa rzeczywista i zmieniona wygenerują mapę głębokości, to znaczy informację każdego piksela obrazu z kolorami każdego obiektu.

W ramach Międzynarodowej Konferencji Computer Vision 2019 w Korei naukowcy stwierdzili, że znaleźli rozwiązanie, dzięki któremu mapy głębokości będą wyglądać bardziej realnie dzięki rzeczywistości wirtualnej i przetwarzaniu grafiki wektorowej.

Podczas robienia zdjęcia przechwytujemy informacje wizualne o otaczających nas obiektach za pomocą różnych pikseli obrazu, które zawierają kolory odpowiednich części obiektu.

Jednak rozdzielczość map głębokości nie jest najlepsza, ponieważ częstotliwość przestrzenna pomiarów odległości nie jest optymalna dla informacji graficznych, aby je rozwiązać, naukowcy wdrażają metodę naśladującą postrzeganie człowieka.

Oznacza to, że naukowcy opracowali sieć neuronową, która ocenia jakość rozdzielczości mapy głębokości, według twórców, ta metoda przekracza większość istniejącego oprogramowania.

„Jeśli chodzi o super-rozdzielone mapy głębokości, należy ocenić jakość wyniku, aby najpierw porównać wydajność różnych metod, a następnie wykorzystać go jako informację zwrotną dla przyszłych ulepszeń. Najprostszym sposobem jest porównanie wyniku z pewnym odniesieniem. Przytłaczająca większość prac nad wykorzystaniem do tego celu rozdzielczości mapy super głębokości oznacza różnicę między wartościami super rozdzielczości i głębokości odniesienia. W żaden sposób ta metoda nie odzwierciedla jakości wizualnej trójwymiarowej rekonstrukcji uzyskanej z super rozdzielczości. mapa głębokości rozwiązana ”, wyjaśnia pierwszy autor badania, Oleg Voynov.