舒适度
关注
分享
扫一扫
码布里
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
阅读笔记：On Predicting Visual Comfort of Stereoscopic Images: A Learning to Rank Based Approach
题目：On Predicting Visual Comfort of Stereoscopic Images: A Learning to Rank Based Approach基于等级学习方法的立体图像视觉舒适度预测特征：1.双目融合2.散焦模糊3.空间频率4.视差特征：高视差均值，低视差均值，离散度，偏度总：等级学习方法：数据库：NBU实验结果：1.2.F-test3.各个特征的训练结果...原创 2020-09-14 11:08:06 · 148 阅读 · 0 评论 -
阅读笔记：VISUAL COMFORT ASSESSMENT FOR STEREOSCOPIC 3D IMAGES BASED ON SALIENT DISCOMFORT REGIONS
题目：VISUAL COMFORT ASSESSMENT FOR STEREOSCOPIC 3D IMAGES BASED ON SALIENT DISCOMFORT REGIONS基于立体3D图像显著不舒适区域的视觉舒适度评估不舒适区域的获取方法：由原创 2020-09-14 09:58:11 · 288 阅读 · 0 评论 -
阅读笔记：Visual comfort assessment for stereoscopic images based on sparse coding with multi-scale dict
Visual comfort assessment for stereoscopic images based on sparse coding with multi-scale dictionaries题目：基于多尺度稀疏编码字典的立体图像舒适度评价方法步骤：1.建立舒适度级别的多尺度字典2.估计测试样本属于每个级别的概率3.寻找概率对应的权重系数，求最后的舒适度分数传统方法的缺点：（传统方法是指，提取特征，训练回归方程），1.视差特征太简单，不足以描述复杂的人体感知2.很难获得充足的训练样本3.缺原创 2020-09-07 16:58:39 · 309 阅读 · 0 评论 -
阅读笔记：3D visual discomfort predictor based on subjective perceived-constraint sparse representation
3D visual discomfort predictor based on subjective perceived-constraint sparse representation in 3D display system题目：基于主观主观感知约束的稀疏表示的3D不适度预测SPCSR：主观感知限制的稀疏表示。包括两个阶段，训练阶段：获取特征，建立感知字典和对应的感知数值。测试阶段：使用稀疏编码算法计算稀疏系数，用稀疏系数和感知数值的权重值计算舒适度分数。数据库：IVY LAB和NBUV1：双目原创 2020-09-06 21:44:58 · 265 阅读 · 0 评论 -
阅读笔记：3-D Visual Discomfort Assessment Considering Optical and Neural Attention Models
题目：考虑视觉和神经注意模型的3D视觉不适度评估特征：视网膜视差；V1和MT区域的神经因素；MT区域细胞分类：调节兴奋细胞；调节抑制细胞；调近细胞；调远细胞；影响舒适度的视觉路径图：其中，LGN外侧膝状体，V1初级视觉皮层，MT中颞区皮层，Dp视差图，Dd角度视差图，1-13每种MT细胞的处理结果；总体框图：角度视差图：D观看距离；I眼间距离，W显示器宽度，Rh图像分辨率，Zd目标和显示器之间的距离，dh水平视差，dsh屏幕水平视差；第i个MT神经元的调整方程：特征提取：视差均值，原创 2020-09-04 17:24:05 · 285 阅读 · 0 评论 -
阅读笔记：3D Visual Discomfort Predictor: Analysis of Horizontal Disparity and Neural Activity Statistics
题目：三维视觉不适度预测：对水平视差和神经活动的分析特征：粗特征：双目视差统计；细特征：与水平视差相关联的神经活动前提：双目融合的实现是通过神经机制，神经反应直接涉及到3D感知的控制和体验，许多研究发现视觉不适与视差有关，使用神经反应模型可以获取水平视差的定向研究。眼动聚散的变化引起了视觉不适，原理：人脑的水平视差和聚散控制：视网膜将收到的光信号转化为电信号，传给LGN外侧膝状体，此时左右眼的图像是分离的，在V1初级皮层双眼图像首次融合，MT中颞区皮层根据刺激的属性调整视觉反应，比如瞳孔的位置，M原创 2020-08-31 17:40:42 · 352 阅读 · 1 评论 -
阅读笔记:Binocular Fusion Net: Deep Learning Visual Comfort Assessment for Stereoscopic 3D
题目：双目融合网络：立体舒适度评估的深度学习深度网络：BFN：双目融合深度网络，学习双目特征；DRN：视差正则化网络，提升预测结果；整体框图：训练：测试：CNN的主要组成：卷积层，下采样层，激活层，全连接层；数据库：MPI-Sintel和IEEE-SA实验过程：用MPI训练DRN，获取初始参数，利用该参数在IEEE上训练。将DRN和BFN端到端的连接，十则交叉验证。实验结果：1.2.3.重要性评估4.是否用DRN的差别：5.验证鲁棒性：NBU数据库...原创 2020-08-24 11:36:17 · 407 阅读 · 2 评论 -
阅读笔记：visual comfort assessment of stereoscopic images using deep visual and disparity features base
题目：基于人体注意力的深度视觉和视差特征的立体图像舒适度评估特征选取：视差大小和梯度特征训练方法：深度卷积神经网络数据库：IEEE-SA总体框图：其中，deep siamese network:深度级联网络；differential微分；实验：1.2....原创 2020-08-24 10:02:57 · 310 阅读 · 0 评论 -
阅读笔记：Visual comfort evaluated by hue asymmetries in stereoscopic images
根据色相的不对称性对立体图像作舒适度评价两类测试图像：自然图像，计算机生成的图像结论：色相差越大越不舒适。保证舒适度观看的最大色相差为76.3°。色彩不对称：亮度不对称，色度不对称，色相不对称。前两种已有研究，其中色度与舒适度无关。研究思路：保证亮度一致，看色相不对称对舒适度的影响。数据库：自制，6张图像，9种不对称级别。色彩不对称的操作方法：保持左视点图像不变，对右视点的图像色相作逆时针旋转。从0到180°，每次旋转20°。制定分数的步骤：参考图像10秒，歇3秒，测试图像10秒，打分。原创 2020-08-17 14:21:42 · 253 阅读 · 0 评论 -
阅读笔记：A Visual Comfort Assessment Approach of Stereoscopic Images based on Random Forest Regressor
基于随机森林回归的立体图像舒适度预测方法数据库：NBU S3D-VCA和IVY框图：输入原始图像，用频谱残差的方法得到saliency图，用光流法得到disparity图，二者线性融合得到3D saliency图，二值化得到VIR图，用随机森林的方法融合视差和图像内容特征，最后预测。特征种类：内容特征：图像对比度灰阶值之差的平方乘以灰度值之差纹理:熵值，能量，标准差mean是整个图像像素的均值。空间频率：HF,VF,DF分别表示水平，垂直，对角线的频率。视差特征F1~F原创 2020-08-17 10:44:48 · 389 阅读 · 1 评论