2-D系统滤波辅助的数据驱动变光照动态纹理合成研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61571259
  • 项目类别：
    面上项目
  • 资助金额：
    69.0万
  • 负责人：
    王好谦
  • 依托单位：
    清华大学
  • 学科分类：
    F0116.图像信息处理
  • 结题年份：
    2019
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2019-12-31

项目摘要

In recent years, motion reconstruction and creation is becoming a hot research topic in the interaction area of vision and graphics. It can be applied to military training, medical assistance, immersive education, movie and video game production and so on. But the realism of the reconstructed picture can not match those captured by the camera, besides the applications of electronic games and film making impose an urgent need of reorganizing the existing video clips to synthesize the new picture sequence. Therefore, how to utilize the texture information of video to obtain more realistic dynamic texture synthesizing algortihms with vaying illumination is of high research value, and it is also the key technique demanded by industrial development. This project will mainly study high realistic dynamic texture synthesis with varying illumination, including the image processing theory based on 2D systemic robust filtering, exploring its application in image recovery, edge extracting and so on. Solving the feature extraction in relighting texure, and then study the 3D reconsturction based on camera arrays. Furthermore, study high efficient data base retrieval mechanism on the basis of 3D model grid vertex, and develop the dynamic 3D reconstruction algorithms from video retrieving video to target video. Finally, realize the realistic synthesis of human motion video under arbitrary illumination and motion.
视频运动重建与生成技术已经成为计算机视觉、图形学交叉领域的研究热点。当前计算机绘制得到的画面呈现出的真实感还不能与捕捉到的视频相匹配，此外电子游戏和电影制作等应用也迫切需要重组已有的视频片段来合成新的图像序列，如何利用视频的纹理信息来获得更逼真的视觉效果具有很高的研究价值、也是产业发展迫切需要提高的关键技术。本项目将重点研究高逼真度的动态变光照纹理合成算法，具体内容包括：研究基于2D系统鲁棒滤波的图像处理算法，探索其在图像恢复、特征提取等图像处理关键技术，进一步解决重光照纹理特征提取问题，并以此为指导研究基于多摄像机阵列的三维重建；进而以三维模型的网格顶点为指导，研究高效合理的数据库检索机制，构建从检索视频到目标视频的动态三维重建算法，实现变化光照条件下对任意运动，任意视角的真实感人体运动视频的合成。课题的研究解决对于动画动漫影视产业的发展和相应的技术升级具有重要研究价值和科学意义。

结项摘要

视频运动重建与生成技术已经成为计算机视觉、图形学交叉领域的研究热点。当前计算机绘制得到的画面呈现出的真实感还不能与捕捉到的视频相匹配，此外电子游戏和电影制作等应用也得到迫切需要重组已有的视频片段来合成新的图像序列，如何利用视觉的纹理信息来获得更逼真的视觉效果具有很高的研究价值，也是产业发展迫切需要提高的关键技术。本项目将重点研究高速逼真度的动态变光照纹理合成算法，具体内容包括：研究基于2D系统鲁棒滤波的图像处理算法，探索其在图像恢复、特征提取等图像处理关键技术，进一步解决重光照纹理特征提取问题，并以此为指导研究基于多摄像机阵列的三维重建；进而以三维模型的网络顶点为指导，研究高效合理的数据库检索机制，构建从检索视频到目标视频的动态三维重建算法，实现变化光照条件下对任意运动，任意视角的真实感人体运动视频的合成。课题的研究解决对于动画动漫视频产业的发展和相应的技术升级具有重要研究价值和科学意义。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（2）
会议论文数量（13）
专利数量（8）
Light-Field Depth Estimation via Epipolar Plane Image Analysis and Locally Linear Embedding
通过极平面图像分析和局部线性嵌入进行光场深度估计
  • DOI：
    10.1109/tcsvt.2016.2555778
  • 发表时间：
    2017-04-01
  • 期刊：
    IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY
  • 影响因子：
    8.4
  • 作者：
    Zhang, Yongbing;Lv, Huijin;Dai, Qionghai
  • 通讯作者：
    Dai, Qionghai
Fast and High Quality Highlight Removal From a Single Image
从单个图像中快速、高质量地去除高光
  • DOI：
    10.1109/tip.2016.2605002
  • 发表时间：
    2016-11-01
  • 期刊：
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子：
    10.6
  • 作者：
    Suo, Jinli;An, Dongsheng;Dai, Qionghai
  • 通讯作者：
    Dai, Qionghai
RevHashNet: Perceptually de-hashing real-valued image hashes for similarity retrieval
RevHashNet：感知去哈希实值图像哈希以进行相似性检索
  • DOI：
    10.1016/j.image.2018.06.018
  • 发表时间：
    2018-10
  • 期刊：
    Signal Processing: Image Communication
  • 影响因子：
    --
  • 作者：
    Yongwei Wang;Hamid Palangi;Z Jane Wang;Haoqian Wang
  • 通讯作者：
    Haoqian Wang
Stereo Matching by Filtering-Based Disparity Propagation.
通过基于过滤的视差传播进行立体匹配
  • DOI：
    10.1371/journal.pone.0162939
  • 发表时间：
    2016
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Wang X;Tian Y;Wang H;Zhang Y
  • 通讯作者：
    Zhang Y
A New Method for Nonlocal Means Image Denoising Using Multiple Images.
多幅图像非局部均值图像去噪的新方法
  • DOI：
    10.1371/journal.pone.0158664
  • 发表时间：
    2016
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Wang X;Wang H;Yang J;Zhang Y
  • 通讯作者：
    Zhang Y

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

王好谦的其他基金

基于H无穷滤波的视频压缩运动估计算法研究
  • 批准号：
    60772046
  • 批准年份：
    2007
  • 资助金额：
    32.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码