이미지 기반 모델링 및 렌더링

이 문서에는 참고 자료, 관련 읽기 또는 외부 링크가 포함되어 있지만 인라인 인용이 부족하여 출처가 불분명합니다. 좀 더 정밀한 인용문을 도입하여 개선해 주시기 바랍니다. (2019년 4월) (템플릿 메시지 삭제 방법 및 삭제 시기 확인)

컴퓨터 그래픽스 및 컴퓨터 비전에서 이미지 기반 모델링 및 렌더링(IBMR) 방법은 장면의 2차원 이미지 세트에 의존하여 3차원 모델을 생성한 다음 이 장면의 새로운 뷰를 렌더링합니다.

컴퓨터 그래픽스의 전통적인 접근법은 3D로 기하학적 모델을 만들고 그것을 2차원 이미지로 재투영하기 위해 사용되어 왔습니다.반대로 컴퓨터 비전은 대부분 주어진 그림에 존재하는 특징(엣지, 얼굴 등)을 감지, 그룹화 및 추출하고 이를 3차원 단서로 해석하는 데 초점을 맞추고 있습니다.이미지 기반 모델링 및 렌더링을 통해 수동 모델링 단계를 건너뛰고 직접 참신한 2차원 이미지를 생성하기 위해 여러 2차원 이미지를 사용할 수 있습니다.

라이트 모델링

IBMR 방법은 일반적으로 솔리드 물리적 모델만 고려하는 것이 아니라 경량 모델링에 더 초점을 맞춥니다.IBMR의 기본 개념은 라이트 필드의 매개 변수인 광섬유 조명 함수입니다.플라스옵틱 함수는 주어진 볼륨에 포함된 광선을 나타냅니다.광선은${\displaystyle }$위치(${\displaystyle x,}$ ${\displaystyle y,}$ $)$ {$displaystyle(x,y,z)$ {displaystyle(${\displaystyle x}$,${\displaystyle y}$,z$)\},$ 방향$({\displaystyle }$,, $))$ {$displaystyle$$(\$$theta,\phi$ 파장$))$ 및 시간$(t)$ {$displaystyle$(\$lambda$${\displaystyle )\},<img\; alt="(t)"\; aria-hidden="true"\; class="mwe-math-fallback-image-inline"\; src="https://wikimedia.org/api/rest\_v1/media/math/render/svg/6a61d4081e4217943e7a7ef1f922d7ce8b618bff"\; style="vertical-align:\; -0.838ex;\; width:2.649ex;\; height:2.843ex;">}$ ${\displaystyle Z}$,${\displaystyle }$}로 정의됩니다.$P(x,y,z,\theta,\phi,\lambda,t$ IBMR 메서드는 다른 이미지에서 새로운 2차원 이미지 세트를 렌더링하기 위해 플렌옵틱 함수에 근접하려고 합니다.이 함수의 높은 치수를 고려할 때 실제 방법에서는 이 수치를 줄이기 위해 파라미터에 제약을 가합니다(일반적으로 2 ~4).

IBMR 메서드 및 알고리즘

• 모핑 보기 - 이미지 간 전환 생성
• 파노라마 이미징은 개별 정지화면의 이미지 모자이크를 사용하여 파노라마를 렌더링합니다.
• Lumigraph는 장면의 조밀한 샘플링에 의존합니다.
• 공간 조각은 사진 무결성 검사를 기반으로 3D 모델을 생성합니다.

「 」를 참조해 주세요.

• 뷰 합성
• 3D 재구성
• 움직임으로부터의 구조

레퍼런스

외부 링크

• 취안, 롱.이미지 기반 모델링Springer Science & Business Media, 2010.[1]
• Ce Zhu; Shuai Li (2016). "Depth Image Based View Synthesis: New Insights and Perspectives on Hole Generation and Filling". IEEE Transactions on Broadcasting. 62 (1): 82–93. doi:10.1109/TBC.2015.2475697. S2CID 19100077.
• Mansi Sharma; Santanu Chaudhury; Brejesh Lall; M.S. Venkatesh (2014). "A flexible architecture for multi-view 3DTV based on uncalibrated cameras". Journal of Visual Communication and Image Representation. 25 (4): 599–621. doi:10.1016/j.jvcir.2013.07.012.
• Mansi Sharma; Santanu Chaudhury; Brejesh Lall (2014). Kinect-Variety Fusion: A Novel Hybrid Approach for Artifacts-Free 3DTV Content Generation. In 22nd International Conference on Pattern Recognition (ICPR), Stockholm, 2014. doi:10.1109/ICPR.2014.395.
• Mansi Sharma; Santanu Chaudhury; Brejesh Lall (2012). 3DTV view generation with virtual pan/tilt/zoom functionality. Proceedings of the Eighth Indian Conference on Computer Vision, Graphics and Image Processing, ACM New York, NY, USA. doi:10.1145/2425333.2425374.