Centrala begrepp
본 연구는 동적 객체가 포함된 360도 동영상에서 정적 장면을 효과적으로 합성하는 방법을 제안한다. 제안하는 방법은 국부 방사 필드와 양방향 최적화를 결합하여 동적 객체를 제거하고 가려진 영역을 채워 넣는다.
Sammanfattning
본 논문은 360도 카메라로 촬영한 동영상에서 정적 장면을 합성하는 새로운 방법인 전방위 국부 방사 필드(OmniLocalRF)를 소개한다.
- 기존 방법들은 동적 객체가 포함된 360도 동영상에서 합성 결과에 유령 현상이 발생하는 문제가 있었다.
- 제안하는 OmniLocalRF는 국부 방사 필드와 양방향 최적화를 결합하여 이 문제를 해결한다.
- 국부 방사 필드를 이용하여 장면을 국부적으로 표현하고, 양방향 최적화를 통해 멀리 떨어진 프레임의 정보를 활용한다.
- 또한 다중 해상도 신경망 특징 평면을 이용한 동적 객체 마스크 예측 모듈을 개발하여 동적 객체를 효과적으로 제거한다.
- 실험 결과, 제안하는 방법은 기존 방법들에 비해 정성적, 정량적으로 우수한 성능을 보였다.
Statistik
360도 동영상에서 동적 객체를 제거하고 정적 장면을 합성하는 것이 중요하다.
기존 방법들은 동적 객체로 인한 유령 현상 문제가 있었다.
제안하는 OmniLocalRF는 국부 방사 필드와 양방향 최적화를 결합하여 이 문제를 해결할 수 있다.
OmniLocalRF는 다중 해상도 신경망 특징 평면을 이용한 동적 객체 마스크 예측 모듈을 통해 동적 객체를 효과적으로 제거할 수 있다.
Citat
"제안하는 OmniLocalRF는 국부 방사 필드와 양방향 최적화를 결합하여 동적 객체를 제거하고 가려진 영역을 채워 넣는다."
"OmniLocalRF는 다중 해상도 신경망 특징 평면을 이용한 동적 객체 마스크 예측 모듈을 통해 동적 객체를 효과적으로 제거할 수 있다."