CN111711733A - 一种直播方案仿真设计验证方法 - Google Patents
一种直播方案仿真设计验证方法 Download PDFInfo
- Publication number
- CN111711733A CN111711733A CN202010828974.4A CN202010828974A CN111711733A CN 111711733 A CN111711733 A CN 111711733A CN 202010828974 A CN202010828974 A CN 202010828974A CN 111711733 A CN111711733 A CN 111711733A
- Authority
- CN
- China
- Prior art keywords
- camera
- video
- live
- live broadcast
- design verification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2228—Video assist systems used in motion picture production, e.g. video cameras connected to viewfinders of motion picture cameras or related video signal processing
Abstract
本发明涉及一种直播方案仿真设计验证方法,包括以下步骤:S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数;S2、搭建包含直播内容的预演仿真系统;S3、根据步骤S1中得到的摄像机参数在预演仿真系统中生成多个虚拟摄像机;S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出;S5、根据输出视频的效果,修改虚拟摄像机参数,直到获得用户满意的直播视频;S6、输出直播方案。本发明可以辅助用户自动从已有视频中学习摄像方案,通过仿真系统对摄像机方案和导播参数进行验证,并预览直播效果,为电视直播方案的设计提供了技术支持。
Description
技术领域
本发明涉及一种电视直播方案仿真设计验证方法,属于数字仿真技术领域。
背景技术
电视台在进行现场直播的时候,摄像、导播等直播人员需要具有丰富的经验。当碰到电视台以前没有拍摄制作过的活动,就会给负责现场直播的电视台提出挑战。进行现场直播时应该怎么布设直播的摄像机,在直播过程中怎么对摄像机进行控制,都成为直播过程中面临的技术难题。
面对这种问题,一个可行的解决方案是从以往类似活动的视频资源中进行直播摄像方案的学习。使用纯人工的方式对海量视频数据进行分析和学习是不可取的,图像处理、视频处理领域的各项成果应该被广泛使用进行直播摄像方案的学习。如果能够进行直播摄像方案的自动化学习,那么不仅仅可用于没有经验的直播摄像方案的设计,也为直播摄像机的自动布设、控制也就是摄像过程的自动化提供了可能。
在对直播视频自动学习后,需要验证直播方案是否可行,以及是否需要修正。但是需要现场直播的活动往往是大型演出或者体育赛事,在举办之前,不可能让摄影师预先拍摄一遍来验证拟定的直播方案。一个可行的方案是通过仿真系统对需要直播的活动进行仿真,在仿真系统中对摄像机方案以及最后直播的效果进行验证。但是在现有技术中未见有相关报道。
发明内容
本发明的目的在于针对现有技术的不足,提供了一种直播方案仿真设计验证方法,包括以下步骤:
S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数;
S2、搭建包含直播内容的预演仿真系统;
S3、根据步骤S1中得到的摄像机轨迹和姿态参数在预演仿真系统中生成多个虚拟摄像机;
S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出;
S5、根据输出视频的效果,修改虚拟摄像机参数,直到获得用户满意的直播视频;
S6、输出直播方案。
根据本发明实施例的一种具体实现方式,步骤S1从已有直播视频中自动学习的方法为:
对已有直播视频进行镜头分割,使得每个视频片段不包含相机切换;
选取一段分割后的视频片段,标定摄像机类型,并逐帧提取得到视频关键帧序列;
对相邻的毎两帧图像进行特征点提取和匹配;
利用匹配的特征点得到摄像机帧间运动的旋转矩阵和平移向量;
根据摄像机帧间运动的旋转矩阵和平移向量得到对应于每个关键帧时间点的摄像机世界坐标和姿态,从而获得摄像机在摄像过程中的轨迹和姿态参数。
根据本发明实施例的一种具体实现方式,通过人工方式标定所述摄像机类型,或者通过对每种摄像机拍摄图像特征进行特征建模,实现对摄像机类型的自动标定。
根据本发明实施例的一种具体实现方式,步骤S1从已有直播视频中自动学习的方法还包括回环检测步骤,比较每两帧图像的相似度,当相似度大于阈值,就认为这两帧图像是在同一点观测到的,并对摄像机的轨迹进行修正。
根据本发明实施例的一种具体实现方式,对视频片段进行关键动作片段标定,从而生成对应关键动作片段的直播方案。
根据本发明实施例的一种具体实现方式,还包括对视频关键帧的运动模糊进行复原的步骤。
根据本发明实施例的一种具体实现方式,还包括对视频关键帧进行图像增强的步骤。
另一方面,本发明还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述的一种直播方案仿真设计验证方法。
另一方面,本发明还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述的一种直播方案仿真设计验证方法。
另一方面,本发明还提供了一种计算机程序产品,包括存储在非暂态计算机可读存储介质上的计算机程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述的一种直播方案仿真设计验证方法。
有益效果
本发明提供的一种直播方案仿真设计验证方法,可以辅助用户自动从已有视频中学习摄像方案,通过仿真系统对摄像机方案和导播参数进行验证,并预览直播效果,为电视直播方案的设计提供了技术支持。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的电视直播方案辅助设计方法的流程图;
图2a和图2b为相机成像原理示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图示中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的形态、数量及比例可为一种随意的改变,且其组件布局形态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
如图1所示,本发明实施例公开了一种直播方案仿真设计验证方法,包括以下步骤:
S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数;
S2、搭建包含直播内容的预演仿真系统;
S3、根据步骤S1中得到的摄像机轨迹和姿态参数在预演仿真系统中生成多个虚拟摄像机;
S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出;
S5、根据输出视频的效果,修改虚拟摄像机参数,直到获得用户满意的直播视频;
S6、输出直播方案。
基于自动学习的直播方案仿真设计验证方法目的是通过已有视频学习他人的直播机位和摄像方案设置,并且通过仿真系统对习得方案进行预览、验证,为提供直播服务的电视台提供一种学习和设计直播方案的仿真方法,根据预演效果辅助生成直播方案。在整个方法中,用户关注的焦点在于最终获得的直播视频的具体内容和质量,一旦用户获得了满意的直播视频,就可以通过步骤S6将直播方案中所需要使用到的所有参数进行输出并且在直播中参照执行,极大的方便了直播方案的设计过程,降低了设计难度。
根据本发明实施例的一种具体实现方式,步骤S1从已有直播视频中自动学习的方法为:
对已有直播视频进行镜头分割,使得每个视频片段不包含相机切换;
选取一段分割后的视频片段,标定摄像机类型,并逐帧提取得到视频关键帧序列;
对相邻的毎两帧图像进行特征点提取和匹配;
利用匹配的特征点得到摄像机帧间运动的旋转矩阵和平移向量;
根据摄像机帧间运动的旋转矩阵和平移向量得到对应于每个关键帧时间点的摄像机世界坐标和姿态,从而获得摄像机在摄像过程中的轨迹和姿态参数。
S1-1:对已有直播视频进行镜头分割,使得每个视频片段不包含相机切换;
因为直播视频包含多个直播摄像机摄像视频,所以首先需要对已有直播视频进行镜头分割,使得每个视频片段不包含相机切换。分割后的每个视频片段只包含某一个摄像机的视频数据。
S1-2:选取一段分割后的视频片段,标定摄像机类型,并逐帧提取得到视频关键帧序列;
由于直播过程中使用的摄像机种类很少,根据本发明实施例的一种具体实现方式,通过人工方式标定所述摄像机类型,或者通过对每种摄像机拍摄图像特征进行特征建模,实现对摄像机类型的自动标定。
S1-3:对相邻的毎两帧图像进行特征点提取和匹配;
这个步骤可以使用图像处理领域已有的特征点提取和匹配算法,例如ORB、SIFT、SURF等。
S1-4:利用匹配的特征点得到摄像机帧间运动的旋转矩阵和平移向量;
图2a和图2b为相机小孔成像原理示意图。如图2a和图2b所示,步骤S1-3中已经给定成功匹配的空间点在相机平面内投影的坐标,需要计算相机在观察点之间的运动状态。这个步骤可以借鉴移动机器人自主导航领域为机器人定位和建图时使用的SLAM视觉里程计技术。相机的帧间运动一般用四元数、欧拉角或者旋转矩阵、平移矢量表示。有多种方法可以用来估计相机运动状态,例如PnP方法、ICP方法、对极几何方法等。例如在对极几何方法中,每两个成功匹配的点可以提供一对对极约束,提供八个点就可以计算出本质矩阵,对本质矩阵进行SVD分解就可以解出相机运动的旋转矩阵R和平移向量t。
S1-5:根据摄像机帧间运动的旋转矩阵和平移向量得到对应于每个关键帧时间点的摄像机世界坐标和姿态,从而获得摄像机在摄像过程中的轨迹和姿态参数。
获得每两帧之间的摄像机帧间运动参数即旋转矩阵R和平移向量t后,就可以计算得出对应于每个关键帧时间点的摄像机世界坐标和姿态,从而获得摄像机在摄像过程中的运动轨迹和姿态参数。
步骤S1-2至S1-5是对一段视频片段进行处理的步骤,获得的是与该视频片段对应的摄像机运动轨迹和姿态参数。对所有视频片段进行摄像机运动轨迹和姿态参数生成,得到直播过程使用的所有摄像机参数构成的直播摄像方案。
根据本发明实施例的一种具体实现方式,步骤S1从已有直播视频中自动学习的方法还包括回环检测步骤,比较每两帧图像的相似度,当相似度大于阈值,就认为这两帧图像是在同一点观测到的,并对摄像机的轨迹进行修正。
由于计算每两帧之间的帧间运动都会存在误差,误差不断积累会使得结果产生严重的偏离。所以本实施例还包括回环检测步骤,比较每两帧图像的相似度,当相似度大于阈值,就认为这两帧图像是在同一点观测到的,对应这两帧的摄像机位置应该一致。回环检测的关键问题是如何度量两个图像帧之间的相似性,当前的成熟的方法是词袋模型,创建词袋,利用词袋中每一帧图像中的特征元素比较每两帧图像的相似度,当相似度大于某一个阈值的时候,就认为这两幅图像是在同一点观测到的,相机回到了曾经到达过的位置。根据检测结果对摄像机的轨迹进行修正。
根据本发明实施例的一种具体实现方式,对视频片段进行关键动作片段标定,从而生成对应关键动作片段的直播方案。
在直播视频中,很多视频片段对应着一些关键动作。例如,高空滑雪运动员做了一个高空翻滚特技,此时往往会有一段特写镜头。用户可以对感兴趣的视频片段进行关键动作标定,从而生成针对这些关键动作的直播方案。
根据本发明实施例的一种具体实现方式,还包括对视频关键帧的运动模糊进行复原的步骤。
直播视频可能会存在拍摄质量问题,可以通过图像处理技术对视频中的运动模糊进行复原。提高视频质量有助于获得正确的摄像机运动参数。
根据本发明实施例的一种具体实现方式,还包括对视频关键帧进行图像增强的步骤。图像增强步骤可以对低质量视频进行去雾、增强对比度等处理,提高图像的清晰度。
作为本发明的第二实施方式,本发明还提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述的一种直播方案仿真设计验证方法。
作为本发明的另一实施方式,本发明还提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述的一种直播方案仿真设计验证方法。
作为本发明的另一实施方式,本发明还提供了一种计算机程序产品,包括存储在非暂态计算机可读存储介质上的计算机程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述的一种直播方案仿真设计验证方法。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称并不构成对该单元本身的限定。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种直播方案仿真设计验证方法,其特征在于,包括以下步骤:
S1、从已有直播视频中自动学习得到直播摄像机在拍摄过程中的轨迹和姿态参数;
S2、搭建包含直播内容的预演仿真系统;
S3、根据步骤S1中得到的摄像机轨迹和姿态参数在预演仿真系统中生成多个虚拟摄像机;
S4、获得每个虚拟摄像机在预演仿真系统中拍摄的视频并渲染输出;
S5、根据输出视频的效果,修改虚拟摄像机参数,直到获得用户满意的直播视频;
S6、输出直播方案。
2.根据权利要求1所述的一种直播方案仿真设计验证方法,其特征在于,步骤S1从已有直播视频中自动学习的方法为:
对已有直播视频进行镜头分割,使得每个视频片段不包含相机切换;
选取一段分割后的视频片段,标定摄像机类型,并逐帧提取得到视频关键帧序列;
对相邻的毎两帧图像进行特征点提取和匹配;
利用匹配的特征点得到摄像机帧间运动的旋转矩阵和平移向量;
根据摄像机帧间运动的旋转矩阵和平移向量得到对应于每个关键帧时间点的摄像机世界坐标和姿态,从而获得摄像机在摄像过程中的轨迹和姿态参数。
3.根据权利要求2所述的一种直播方案仿真设计验证方法,其特征在于,通过人工方式标定所述摄像机类型,或者通过对每种摄像机拍摄图像特征进行特征建模,实现对摄像机类型的自动标定。
4.根据权利要求1-3任一项所述的一种直播方案仿真设计验证方法,其特征在于,步骤S1从已有直播视频中自动学习的方法还包括回环检测步骤,比较每两帧图像的相似度,当相似度大于阈值,就认为这两帧图像是在同一点观测到的,并对摄像机的轨迹进行修正。
5.根据权利要求4所述的一种直播方案仿真设计验证方法,其特征在于,对视频片段进行关键动作片段标定,从而生成对应关键动作片段的直播方案。
6.根据权利要求5所述的一种直播方案仿真设计验证方法,其特征在于,还包括对视频关键帧的运动模糊进行复原的步骤。
7.根据权利要求6所述的一种直播方案仿真设计验证方法,其特征在于,还包括对视频关键帧进行图像增强的步骤。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-7任一所述的一种直播方案仿真设计验证方法。
9.一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述权利要求1-7任一所述的一种直播方案仿真设计验证方法。
10.一种计算机程序产品,其特征在于,包括存储在非暂态计算机可读存储介质上的计算机程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述权利要求1-7任一所述的一种直播方案仿真设计验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010828974.4A CN111711733B (zh) | 2020-08-18 | 2020-08-18 | 一种直播方案仿真设计验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010828974.4A CN111711733B (zh) | 2020-08-18 | 2020-08-18 | 一种直播方案仿真设计验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111711733A true CN111711733A (zh) | 2020-09-25 |
CN111711733B CN111711733B (zh) | 2020-11-13 |
Family
ID=72547094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010828974.4A Active CN111711733B (zh) | 2020-08-18 | 2020-08-18 | 一种直播方案仿真设计验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111711733B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113055550A (zh) * | 2021-02-26 | 2021-06-29 | 视伴科技(北京)有限公司 | 一种预演赛事活动的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105407259A (zh) * | 2015-11-26 | 2016-03-16 | 北京理工大学 | 虚拟摄像方法 |
CN106165393A (zh) * | 2014-04-03 | 2016-11-23 | 皮克索洛特公司 | 用于自动电视制作的方法和系统 |
CN109889914A (zh) * | 2019-03-08 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 视频画面推送方法、装置、计算机设备及存储介质 |
US20200035019A1 (en) * | 2018-07-25 | 2020-01-30 | Sony Interactive Entertainment Inc. | Method and system for generating an image |
CN110850983A (zh) * | 2019-11-13 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 视频直播中的虚拟对象控制方法、装置和存储介质 |
-
2020
- 2020-08-18 CN CN202010828974.4A patent/CN111711733B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106165393A (zh) * | 2014-04-03 | 2016-11-23 | 皮克索洛特公司 | 用于自动电视制作的方法和系统 |
CN105407259A (zh) * | 2015-11-26 | 2016-03-16 | 北京理工大学 | 虚拟摄像方法 |
US20200035019A1 (en) * | 2018-07-25 | 2020-01-30 | Sony Interactive Entertainment Inc. | Method and system for generating an image |
CN109889914A (zh) * | 2019-03-08 | 2019-06-14 | 腾讯科技(深圳)有限公司 | 视频画面推送方法、装置、计算机设备及存储介质 |
CN110850983A (zh) * | 2019-11-13 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 视频直播中的虚拟对象控制方法、装置和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113055550A (zh) * | 2021-02-26 | 2021-06-29 | 视伴科技(北京)有限公司 | 一种预演赛事活动的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111711733B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345556B (zh) | 用于混合现实的神经网络前景分离 | |
KR102227583B1 (ko) | 딥 러닝 기반의 카메라 캘리브레이션 방법 및 장치 | |
CN111357295B (zh) | 用于将用户特定内容融合到视频制作中的方法和系统 | |
CN109040575B (zh) | 全景视频的处理方法、装置、设备、计算机可读存储介质 | |
US11379034B1 (en) | Video timewarp for mixed reality and cloud rendering applications | |
CN111680671A (zh) | 一种基于光流的摄像方案自动生成方法 | |
US9253415B2 (en) | Simulating tracking shots from image sequences | |
CN112995678B (zh) | 一种视频运动补偿方法、装置及计算机设备 | |
CN104902201B (zh) | 基于移动视点与异形屏幕的投影图像实时校正方法 | |
CN110378250B (zh) | 用于场景认知的神经网络的训练方法、装置及终端设备 | |
CN111711733B (zh) | 一种直播方案仿真设计验证方法 | |
CN107197135B (zh) | 一种视频生成方法及视频生成装置 | |
CN111739105B (zh) | 一种直播机位摄像方案自动学习方法 | |
Ito et al. | A dataset and evaluation framework for deep learning based video stabilization systems | |
CN111709970B (zh) | 一种智能直播仿真预演系统 | |
CN111988520B (zh) | 一种画面切换方法、装置、电子设备及存储介质 | |
CN115497094A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112312041A (zh) | 基于拍摄的图像校正方法、装置、电子设备及存储介质 | |
CN116453456B (zh) | Led屏幕校准方法、装置、电子设备及存储介质 | |
CN111242998A (zh) | 图像融合方法和装置 | |
CN113139456A (zh) | 电子设备状态跟踪方法、装置、电子设备及控制系统 | |
KR20170077018A (ko) | 영상 처리 방법 및 영상 처리 장치 | |
CN114283068A (zh) | 一种使用虚拟场景与现实摄制图像进行拼接的方法及系统 | |
CN118015394A (zh) | 双目匹配模型的训练数据生成方法、装置及设备 | |
CN116744126A (zh) | 一种基于双摄像头的水下视觉系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |