语义级深度迁移的2D转3D算法

摘要：

海量视频数据推动了基于数据驱动的单目图像深度估计研究.针对现有方法存在不同对象深度分配层次感不够的问题,在相似场景具有相似深度的假设前提下,提出一种基于语义级分割和深度迁移的单目图像2D转3D的方法.首先使用分割迁移模型将输入图像的像素进行语义级分类;然后通过语义级分类结果对场景匹配进行约束;再次利用SIFT流建立输入图像和匹配图像间像素级对应关系,并由此将匹配图像的深度迁移到输入图像上;最后通过语义级分割约束的最优化深度融合模型为不同对象区域分配深度值.Make3D测试数据的实验结果表明,该方法估计的深度质量比现有深度迁移方法更高,与最优化融合深度迁移算法相比,平均对数误差和平均相对误差分别降低0.03和0.02个点.

关键词：数据驱动、深度估计、深度迁移、语义分割、2D转3D

所属期刊栏目：26

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61071173;浙江省自然科学基金LY12F01001,Y1100253,Y1110086;宁波市自然科学基金2012A610043,2012A610111,2012A610186

在线出版日期：2014-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：72-80