WO2020171257A1 - 영상 처리 방법 및 그 장치 - Google Patents

영상 처리 방법 및 그 장치 Download PDF

Info

Publication number
WO2020171257A1
WO2020171257A1 PCT/KR2019/002122 KR2019002122W WO2020171257A1 WO 2020171257 A1 WO2020171257 A1 WO 2020171257A1 KR 2019002122 W KR2019002122 W KR 2019002122W WO 2020171257 A1 WO2020171257 A1 WO 2020171257A1
Authority
WO
WIPO (PCT)
Prior art keywords
optical flow
flow information
image processing
frames
estimating
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.)
Ceased
Application number
PCT/KR2019/002122
Other languages
English (en)
French (fr)
Inventor
노준용
알폰신 이. 를렁줄리
김범기
이하늬
김국호
다스트제리디모하마드 레자 카리미
김알렌
이지원
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Priority to US17/424,811 priority Critical patent/US12190531B2/en
Priority to KR1020197026650A priority patent/KR102236473B1/ko
Priority to PCT/KR2019/002122 priority patent/WO2020171257A1/ko
Publication of WO2020171257A1 publication Critical patent/WO2020171257A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Definitions

  • the following embodiments relate to an image processing method and apparatus, and more specifically, to an inpainting technique for a spherical coordinate system image based on a polynomial model using continuous frame data.
  • the present invention makes it possible to easily remove an object from a 360 panoramic image by estimating a two-dimensional polynomial model of optical flow information using continuous frame image information.
  • image restoration through object tracking between frames based on the restored optical flow information, it is possible to simplify the editing time of panoramic image content and reduce production cost.
  • An image processing method includes receiving an input image of consecutive frames; Estimating first optical flow information in units of pixels based on the frames; Estimating a polynomial model corresponding to the optical flow information; Estimating second optical flow information of holes included in the frames based on the polynomial model; And inpainting the input image based on at least one of the first optical flow information and the second optical flow information.
  • Estimating the polynomial model may include estimating a correlation coefficient included in the polynomial model based on the motion pattern corresponding to the coordinate system of the input image and the first optical flow information.
  • the polynomial model may be modeled as a product of a matrix corresponding to the motion pattern and a vector corresponding to the correlation coefficient.
  • Estimating the correlation coefficient may include estimating the correlation coefficient such that a difference between the value of the polynomial model and the value of the first optical flow information is minimized.
  • the inpainting may include backtracking a value of a pixel corresponding to the hole based on at least one of the first optical flow information and the second optical flow information.
  • the hole may correspond to an area removed from the input image.
  • the image processing method includes the steps of extracting feature points from the frames; And removing inter-frame rotation by matching feature points between frames.
  • the image processing method further includes generating inpainting mask data indicating the hole based on the frames, and the inpainting step further includes the input image based on the inpainting mask data. It may include the step of painting.
  • a vector representing the optical flow between the pixels of the frames other than the one of the frames and the pixel corresponding to a pixel included in any one of the frames is calculated. It may include the step of estimating.
  • the input image may include 360 degree panoramic video data.
  • An image processing apparatus includes: a receiver configured to receive input images of consecutive frames; Based on the frames, first optical flow information in units of pixels is estimated, a polynomial model corresponding to the optical flow information is estimated, and a second hole included in the frames is based on the polynomial model.
  • the estimator may estimate a correlation coefficient included in the polynomial model based on the first optical flow information and a motion pattern corresponding to the coordinate system of the input image to estimate the polynomial model.
  • the inpainting unit may backtrack a value of a pixel corresponding to the hole based on at least one of the first optical flow information and the second optical flow information.
  • the image processing apparatus may further include a preprocessor configured to remove inter-frame rotation by extracting feature points from the frames and matching the inter-frame feature points.
  • the inpainting unit may inpaint the input image further based on inpainting mask data indicating the hole.
  • the estimating unit calculates the optical flow between the pixels and the pixels of the frames other than the one frame, corresponding to a pixel included in one of the frames.
  • the vector represented can be estimated.
  • FIG. 1 is a diagram illustrating an image processing method according to an exemplary embodiment.
  • FIG. 2 is a diagram illustrating a method of removing an object using consecutive frames according to an exemplary embodiment.
  • FIG. 3 is a flowchart illustrating a method of inpainting a spherical coordinate system image based on estimation of a 2D polynomial model using continuous frame data information according to an exemplary embodiment.
  • 4A is a view showing a spherical coordinate system according to an embodiment.
  • 4B is a view showing a rectangular projection according to an embodiment.
  • FIG. 5 is a diagram for explaining optical flow information according to an embodiment.
  • 6A is a diagram for explaining a motion pattern of a general image.
  • 6B is a diagram illustrating a motion pattern of a panoramic coordinate system according to an exemplary embodiment.
  • first or second may be used to describe various components, but these terms should be understood only for the purpose of distinguishing one component from other components.
  • a first component may be referred to as a second component, and similarly, a second component may be referred to as a first component.
  • FIG. 1 is a diagram illustrating an image processing method according to an exemplary embodiment.
  • an input image 110 includes a plurality of consecutive frames.
  • the input image 110 may be 360 degree panoramic video data.
  • the software 120 according to an embodiment automatically removes an object using continuous frame information.
  • the software 120 may estimate the optical flow-based motion and interpolate the optical flow of the hole corresponding to the object to be removed.
  • the inpainted image may be output as the output image 130 due to the color information propagated according to the estimated optical flow.
  • the image processing method may be performed by an image processing apparatus, and the image processing apparatus may be implemented with one or more software modules, one or more hardware modules, or various combinations thereof.
  • The'automatic object removal technique using continuous frame information' may be performed through the following operations.
  • the embodiments it is possible to remove an object with high quality (eg, average accuracy of RMSE 10 or less) for a 360-degree image of high resolution (eg, 4K quality).
  • the 2D polynomial model according to the embodiments can be applied regardless of the size of the resolution, and thus has high utility.
  • the embodiments may contribute to effective production of VR content in the following aspects by being applied to the content industry.
  • the proposed inpainting technology is a basic technology to increase the degree of freedom of editing panoramic images, and the technology is highly utilized.
  • FIG. 2 is a diagram illustrating a method of removing an object using consecutive frames according to an exemplary embodiment.
  • the input image 210 includes an object to be removed from the image.
  • the image processing apparatus may generate a removal area mask 215 from the input image 210.
  • the removal area mask 215 is bitmap data corresponding to each frame, and the bitmap data may indicate the removal area in pixel units.
  • the image processing apparatus may generate the first optical flow information 220 by estimating optical flow-based motion from the input image 210.
  • the first optical flow information 220 may include vectors representing the optical flow of pixels in an area other than a hole corresponding to the removal area.
  • the first optical flow information 220 may be determined by estimating an optical flow between pixels in one frame and pixels in other frames.
  • the image processing apparatus may estimate the second optical flow information of the hole by interpolating the first optical flow information 220 by estimating a polynomial model corresponding to the first optical flow information 220.
  • the interpolated optical flow information 225 may include first optical flow information 220 and second optical flow information. Details related to the polynomial model will be described later.
  • the image processing apparatus may search and estimate color information of a hole corresponding to the removal region based on the interpolated optical flow information 225.
  • the image processing apparatus may output an inpainted image 230.
  • FIG. 3 is a flowchart illustrating a method of inpainting a spherical coordinate system image based on estimation of a 2D polynomial model using continuous frame data information according to an exemplary embodiment.
  • the image processing apparatus may perform inpainting editing of a 360 panorama video through optical information flow estimation between video frames and a 2D polynomial model estimation through the processing of FIG. 3.
  • the image processing apparatus is '360 panorama input video 310' I and'inpainting mask data 315' in the standard panorama coordinate system. Takes as input.
  • the input video 310 and/or the inpainting mask data 315 is based on a coordinate system for expressing a 360 image, and may consist of, for example, a spherical coordinate system including horizontal and horizontal rotation and vertical and vertical rotation.
  • the image processing apparatus may set an area for inpainting editing through the inpainting mask data 315.
  • FIG. 4A is a view showing a spherical coordinate system according to an embodiment
  • FIG. 4B is a view showing a square projection according to an embodiment.
  • Equation 1 The relationship between the spherical coordinate system of FIG. 4A and the square projection of FIG. 4B follows Equation 1.
  • optical flow information may include forward/backward optical information.
  • FIG. 6A is a diagram illustrating a motion pattern of a general image
  • FIG. 6B is a diagram illustrating a motion pattern of a panoramic coordinate system according to an exemplary embodiment.
  • the motion pattern of the panoramic coordinate system of FIG. 6B is distorted unlike the motion pattern of the general image of FIG. 6A.
  • the image processing apparatus creates a polynomial A matrix corresponding to the motion pattern reflecting the motion distortion of the panoramic coordinate system, and the modeling value (or interpolation value) by the matrix A and the measured optical flow information
  • a 2-dimensional polynomial model optimized for the spherical coordinate system may be estimated (360).
  • c may be a vector including a correlation coefficient in an angular unit of the spherical coordinate system.
  • the image processing apparatus may correct optical flow information of a mask region requiring inpainting editing by using the estimated 2D polynomial model. Since this polynomial model is applied corresponding to the spherical coordinate system angle, it has the advantage that it can be applied regardless of the image resolution and size.
  • the image processing apparatus may perform inpainting editing 370 through backtracking of pixel values from a plurality of frames using the corrected optical flow information 365. For example, a pixel of another frame having color information may be searched according to optical flow information directed to a pixel of the mask area and/or optical flow information having a starting point of a pixel of the mask area. As a result, an inpainting-edited 360-degree panoramic video may be output (380 ).
  • the embodiments described above may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component.
  • the devices, methods, and components described in the embodiments include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA). array), programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions, such as one or more general purpose computers or special purpose computers.
  • the processing device may execute an operating system (OS) and one or more software applications executed on the operating system.
  • the processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • OS operating system
  • the processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • the processing device is a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as a parallel processor.
  • the software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to behave as desired or processed independently or collectively. You can command the device.
  • Software and/or data may be interpreted by a processing device or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodyed in a transmitted signal wave.
  • the software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks.
  • -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those produced by a compiler but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • the hardware device described above may be configured to operate as one or more software modules to perform the operation of the embodiment, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

일 실시예에 따른 영상 처리 장치는 연속된 프레임들에 기초하여 픽셀 단위의 제1 광학 흐름 정보를 추정하고, 광학 흐름 정보에 대응하는 다항식 모델을 추정한다. 영상 처리 장치는 다항식 모델에 기초하여 프레임들에 포함된 홀(hole)의 제2 광학 흐름 정보를 추정하고, 제1 광학 흐름 정보 및 제2 광학 흐름 정보 중 적어도 하나에 기초하여 입력 영상을 인페인팅 한다.

Description

영상 처리 방법 및 그 장치
아래 실시예들은 영상 처리 방법 및 장치에 관한 것으로, 보다 구체적으로 연속되는 프레임 데이터를 활용한 다항식 모델 기반 구면 좌표계 영상의 인페인팅 기법에 관한 것이다.
최근 다양한 360 파노라마 VR 카메라들의 등장으로 보다 손쉽게 360 파노라마 동영상 촬영 및 제작이 가능해졌다. 그러나 이러한 파노라마 촬영은 360도 전방향의 촬영이 한번에 이루어짐으로써 촬영 스탭(staff) 및/또는 촬영 장비가 영상에 포함되는 것이 불가피하며, 촬영 후 보정이 반드시 필요하다.
본 발명은 연속되는 프레임 이미지정보를 활용하여 광학 흐름정보의 2차원 다항식 모델 추정을 통해 360 파노라마 영상에서 손쉬운 객체 제거를 가능하게 한다. 또한 복원된 광학 흐름 정보 기반으로 프레임간 객체 추적을 통한 영상 복원을 가능하게 하여 파노라마 영상 콘텐츠 편집 시간의 간소화 및 제작 비용 절감을 가능하게 한다.
일 측에 따른 영상 처리 방법은 연속된 프레임들의 입력 영상을 수신하는 단계; 상기 프레임들에 기초하여, 픽셀 단위의 제1 광학 흐름 정보를 추정하는 단계; 상기 광학 흐름 정보에 대응하는 다항식 모델을 추정하는 단계; 상기 다항식 모델에 기초하여, 상기 프레임들에 포함된 홀(hole)의 제2 광학 흐름 정보를 추정하는 단계; 및 상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 입력 영상을 인페인팅 하는 단계를 포함한다.
상기 다항식 모델을 추정하는 단계는 상기 입력 영상의 좌표계에 대응하는 모션 패턴 및 상기 제1 광학 흐름 정보에 기초하여, 상기 다항식 모델에 포함되는 상관 계수를 추정하는 단계를 포함할 수 있다.
상기 다항식 모델은 상기 모션 패턴에 대응하는 행렬 및 상기 상관 계수에 대응하는 벡터의 곱으로 모델링 될 수 있다.
상기 상관 계수를 추정하는 단계는 상기 다항식 모델의 값과 상기 제1 광학 흐름 정보의 값 사이의 차이가 최소화되도록, 상기 상관 계수를 추정하는 단계를 포함할 수 있다.
상기 인페인팅 하는 단계는 상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 홀에 해당하는 픽셀의 값을 역추적하는 단계를 포함할 수 있다.
상기 홀은 상기 입력 영상으로부터 제거된 영역에 해당할 수 있다.
상기 영상 처리 방법은 상기 프레임들로부터 특징점들을 추출하는 단계; 및 프레임 간 특징점들을 매칭함으로써, 프레임 간 회전을 제거하는 단계를 더 포함할 수 있다.
상기 영상 처리 방법은 상기 프레임들에 기초하여, 상기 홀을 지시하는 인페인팅 마스크 데이터를 생성하는 단계를 더 포함하고, 상기 인페인팅 하는 단계는 상기 인페인팅 마스크 데이터에 더 기초하여, 상기 입력 영상을 인페인팅 하는 단계를 포함할 수 있다.
상기 제1 광학 흐름 정보를 추정하는 단계는 상기 프레임들 중 어느 하나의 프레임에 포함된 픽셀에 대응하여, 상기 어느 하나의 프레임을 제외한 나머지 프레임들의 픽셀들과 상기 픽셀 사이의 광학 흐름을 나타내는 벡터를 추정하는 단계를 포함할 수 있다.
상기 입력 영상은 360도 파노라마 비디오 데이터를 포함할 수 있다.
일 측에 따른 영상 처리 장치는 연속된 프레임들의 입력 영상을 수신하는 수신부; 상기 프레임들에 기초하여 픽셀 단위의 제1 광학 흐름 정보를 추정하고, 상기 광학 흐름 정보에 대응하는 다항식 모델을 추정하며, 상기 다항식 모델에 기초하여 상기 프레임들에 포함된 홀(hole)의 제2 광학 흐름 정보를 추정하는 추정부; 및 상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 입력 영상을 인페인팅 하는 인페인팅부를 포함한다.
상기 추정부는 상기 다항식 모델을 추정하기 위하여, 상기 입력 영상의 좌표계에 대응하는 모션 패턴 및 상기 제1 광학 흐름 정보에 기초하여, 상기 다항식 모델에 포함되는 상관 계수를 추정할 수 있다.
상기 인페인팅부는 상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 홀에 해당하는 픽셀의 값을 역추적할 수 있다.
상기 영상 처리 장치는 상기 프레임들로부터 특징점들을 추출하고, 프레임 간 특징점들을 매칭함으로써, 프레임 간 회전을 제거하는 전처리부를 더 포함할 수 있다.
상기 인페인팅부는 상기 홀을 지시하는 인페인팅 마스크 데이터에 더 기초하여, 상기 입력 영상을 인페인팅 할 수 있다.
상기 추정부는 상기 제1 광학 흐름 정보를 추정하기 위하여, 상기 프레임들 중 어느 하나의 프레임에 포함된 픽셀에 대응하여, 상기 어느 하나의 프레임을 제외한 나머지 프레임들의 픽셀들과 상기 픽셀 사이의 광학 흐름을 나타내는 벡터를 추정할 수 있다.
도 1은 일 실시예에 따른 영상 처리 방법을 도시한 도면.
도 2는 일 실시예에 따른 연속되는 프레임을 활용한 객체 제거 방법을 설명하는 도면.
도 3은 일 실시예에 따른 연속되는 프레임 데이터 정보를 활용한 2차원 다항식 모델 추정 기반 구면 좌표계 영상 인페인팅 방법을 나타내는 동작 흐름도.
도 4 a는 일 실시예에 따른 구면좌표계를 도시한 도면.
도 4b는 일 실시예에 따른 장방형 투사를 도시한 도면.
도 5는 일 실시예에 따른 광학 흐름 정보를 설명하는 도면.
도 6a는 일반 이미지의 모션 패턴을 설명하는 도면.
도 6b는 일 실시예에 따른 파노라마 좌표계의 모션 패턴을 설명하는 도면.
본 명세서에서 개시되어 있는 특정한 구조적 또는 기능적 설명들은 단지 기술적 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 실시예들은 다양한 다른 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~간의에"와 "바로~간의에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 영상 처리 방법을 도시한 도면이다.
도 1을 참조하면, 입력 영상(110)은 연속되는 복수의 프레임들을 포함한다. 예를 들어, 입력 영상(110)은 360도 파노라마 비디오 데이터일 수 있다. 일 실시예에 따른 소프트웨어(120)는 연속되는 프레임 정보를 활용하여 자동으로 객체를 제거한다. 소프트웨어(120)는 광학 흐름 기반 움직임을 추정하고, 제거 대상 객체에 해당하는 홀의 광학 흐름을 보간(interpolate)할 수 있다. 그 결과, 추정된 광학 흐름에 따라 전파된 색상 정보로 인하여 인페인팅 된 영상이 출력 영상(130)으로 출력될 수 있다. 영상 처리 방법은 영상 처리 장치에 의하여 수행될 수 있고, 영상 처리 장치는 하나 또는 그 이상의 소프트웨어 모듈, 하나 또는 그 이상의 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다.
일 실시예에 따른 '연속되는 프레임 정보를 활용한 자동 객체 제거 기술'은 다음과 같은 동작들을 통하여 수행될 수 있다.
1) 객체를 제거하고자 하는 360 영상에 대해 제거 영역의 마스크를 생성하고 해당 영역의 색상 정보 제거
2) 마스크 영역이 지워진 색상 정보를 이용하여 광학 흐름 기반 움직임 추정 및 선형 방정식을 통한 마스크 영역의 광학 흐름 정보 보간
3) 보간된 광학 흐름 정보를 기반으로 제거된 영역의 색상 정보 역추적하여 홀 채움
실시예들에 따른 기술적 기대효과로, 고해상도(예를 들어, 4K급 품질)의 360도 영상에 대해 높은 퀄리티(예를 들어, 평균 정확도 RMSE 10 이하)로 객체를 제거하는 것이 가능하다. 또한, 실시예들에 따른 2차원 다항식 모델은 해상도의 크기와 관계없이 적용 가능하여 높은 활용성을 지닌다.
실시예들은 콘텐츠 산업에 적용됨으로써, 다음과 같은 측면에서 VR 콘텐츠의 효과적인 생산에 기여할 수 있다.
1) VR 촬영 장비의 경우 넓은 화각을 촬영하는 과정에서 불필요하거나 원하지 않던 객체가 함께 촬영되는 경우가 많음.
2) 연속되는 프레임 정보에서 광학흐름 정보를 추정하여 이를 2차원 다항식 모델 추정을 통해 복원 및 원하는 객체를 제거할 수 있음
3) 제안하는 인페인팅 기술은 파노라마 영상 편집의 자유도를 높이기 위한 기본이 되는 기술이며 기술 활용도가 높음
도 2는 일 실시예에 따른 연속되는 프레임을 활용한 객체 제거 방법을 설명하는 도면이다.
도 2를 참조하면, 입력 영상(210)은 영상 내 제거하고자 하는 객체를 포함한다. 영상 처리 장치는 입력 영상(210)으로부터 제거 영역 마스크(215)를 생성할 수 있다. 예를 들어, 제거 영역 마스크(215)는 각 프레임에 대응하는 비트맵 데이터로, 비트맵 데이터는 픽셀 단위로 제거 영역을 지시할 수 있다.
영상 처리 장치는 입력 영상(210)으로부터 광학 흐름(optical flow) 기반 움직임을 추정하여 제1 광학 흐름 정보(220)를 생성할 수 있다. 제1 광학 흐름 정보(220)는 제거 영역에 해당하는 홀(hole) 이외의 영역 내 픽셀들의 광학 흐름을 나타내는 벡터들을 포함할 수 있다. 제1 광학 흐름 정보(220)는 한 프레임 내 픽셀과 다른 프레임들의 픽셀들 사이의 광학 흐름을 추정함으로써 결정될 수 있다.
영상 처리 장치는 제1 광학 흐름 정보(220)에 대응하는 다항식 모델을 추정함으로써, 제1 광학 흐름 정보(220)를 보간하여 홀의 제2 광학 흐름 정보를 추정할 수 있다. 보간된 광학 흐름 정보(225)는 제1 광학 흐름 정보(220)과 제2 광학 흐름 정보를 포함할 수 있다. 다항식 모델과 관련된 상세한 사항은 후술한다.
영상 처리 장치는 보간된 광학 흐름 정보(225)를 기반으로 제거 영역에 해당하는 홀의 색상 정보를 탐색 및 추정할 수 있다. 영상 처리 장치는 인페인팅 된 영상(230)을 출력할 수 있다.
도 3은 일 실시예에 따른 연속되는 프레임 데이터 정보를 활용한 2차원 다항식 모델 추정 기반 구면 좌표계 영상 인페인팅 방법을 나타내는 동작 흐름도이다.
도 3을 참조하면, 영상 처리 장치는 도 3의 처리를 거쳐 비디오 프레임간 광학 정보 흐름 추정 및 2차원 다항식 모델추정을 통하여 360 파노라마 비디오의 인페인팅 편집을 진행할 수 있다.
[입력]: 영상 처리 장치는 스탠다드 파노라마 좌표계의 '360 파노라마 입력 비디오(310)' I와 '인페인팅 마스크 데이터(315)'
Figure PCTKR2019002122-appb-img-000001
를 입력으로 받는다. 입력 비디오(310) 및/또는 인페인팅 마스크 데이터(315)는 360 영상을 표현하기 위한 좌표계에 기반하며, 예를 들어 가로 수평 회전과 세로 수직 회전으로 이루어진 구면좌표계로 이루어져 있을 수 있다. 영상 처리 장치는 인페인팅 마스크 데이터(315)를 통해 인페인팅 편집을 위한 영역을 설정할 수 있다.
도 4a는 일 실시예에 따른 구면좌표계를 도시한 도면이고, 도 4b는 일 실시예에 따른 정방형 투사를 도시한 도면이다. 도 4a의 구면좌표계와 도 4b의 정방형 투사의 관계는 수학식 1을 따른다.
Figure PCTKR2019002122-appb-img-000002
[특징점 매칭 기반 프레임간 회전 제거]: 영상 처리 장치는 I의 프레임간 이미지들 사이에서 특징점 X 및 X'을 추출(320)하고, X와 X'를 매칭(330)하여 프레임간 회전 변환 E를 추정 후 역변환을 통해 영상 회전을 제거(340)할 수 있다. X는 프레임들 중 한 프레임의 특징점을 나타내고, X'은 다른 프레임의 특징점을 나타낼 수 있다. 일 예로, 특징점 추출을 위하여 A-KZAZE 기법이 이용될 수 있다. 수학식 2는 X와 X' 사이의 특징점 매칭 관계를 나타낸다.
Figure PCTKR2019002122-appb-img-000003
[프레임간 픽셀단위 광학 흐름 정보 추정]: 영상 처리 장치는 회전 제거된 비디오 데이터(350)에 기초하여, I의 프레임간 이미지들 사이에서 픽셀 단위의 광학 흐름 정보를 추정(355)할 수 있다. 도 5는 일 실시예에 따른 광학 흐름 정보를 설명하는 도면이다. 도 5를 참조하면, 광학 흐름 정보는 전방향(Forward)/후방향(backward) 광학 정보를 포함할 수 있다.
[2차원 다항식 모델 추정]: 도 6a는 일반 이미지의 모션 패턴을 설명하는 도면이고, 도 6b는 일 실시예에 따른 파노라마 좌표계의 모션 패턴을 설명하는 도면이다. 도 6b의 파노라마 좌표계의 모션 패턴은 도 6a의 일반 이미지의 모션 패턴과 달리 왜곡되는 현상이 일어난다. 하기 수학식 3을 참조하면, 영상 처리 장치는 파노라마 좌표계의 모션 왜곡 현상을 반영한 모션 패턴에 대응하는 다항식 형태의 A 행렬을 만들고, A행렬에 의한 모델링 값(혹은 보간 값)과 측정된 광학흐름 정보
Figure PCTKR2019002122-appb-img-000004
벡터와의 차이를 최소화하도록 구면좌표계에 최적화된 2차원 다항식 모델(2-dimensional Polynomail Model)을 추정(360)할 수 있다.
Figure PCTKR2019002122-appb-img-000005
여기서, c는 구면좌표계의 각도 단위의 상관계수를 포함하는 벡터일 수 있다.
[보정된 광학 흐름 정보 생성]: 영상 처리 장치는 추정된 2차원 다항식 모델을 활용하여 인페인팅 편집이 필요한 마스크 영역의 광학 흐름 정보를 보정할 수 있다. 이 다항식 모델은 구면좌표계 각도에 대응된 적용되므로 이미지 해상도 크기에는 관계없이 적용될 수 있는 장점이 있다.
[파노라마 이미지 인페인팅]: 영상 처리 장치는 보정된 광학 흐름 정보(365)를 활용하여 다수의 프레임으로부터 픽셀 값의 역추적을 통해 인페인팅 편집(370)을 진행할 수 있다. 예를 들어, 마스크 영역의 픽셀을 향하는 광학 흐름 정보 및/또는 마스크 영역의 픽셀을 시작점을 가지는 광학 흐름 정보를 따라서, 색상 정보를 가지는 다른 프레임의 픽셀을 탐색할 수 있다. 그 결과, 인페인팅 편집된 360도 파노라마 비디오가 출력될 수 있다(380).
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (20)

  1. 연속된 프레임들의 입력 영상을 수신하는 단계;
    상기 프레임들에 기초하여, 픽셀 단위의 제1 광학 흐름 정보를 추정하는 단계;
    상기 광학 흐름 정보에 대응하는 다항식 모델을 추정하는 단계;
    상기 다항식 모델에 기초하여, 상기 프레임들에 포함된 홀(hole)의 제2 광학 흐름 정보를 추정하는 단계; 및
    상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 입력 영상을 인페인팅 하는 단계
    를 포함하는 영상 처리 방법.
  2. 제1항에 있어서,
    상기 다항식 모델을 추정하는 단계는
    상기 입력 영상의 좌표계에 대응하는 모션 패턴 및 상기 제1 광학 흐름 정보에 기초하여, 상기 다항식 모델에 포함되는 상관 계수를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  3. 제2항에 있어서,
    상기 다항식 모델은
    상기 모션 패턴에 대응하는 행렬 및 상기 상관 계수에 대응하는 벡터의 곱으로 모델링 되는, 영상 처리 방법.
  4. 제3항에 있어서,
    상기 상관 계수를 추정하는 단계는
    상기 다항식 모델의 값과 상기 제1 광학 흐름 정보의 값 사이의 차이가 최소화되도록, 상기 상관 계수를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  5. 제1항에 있어서,
    상기 인페인팅 하는 단계는
    상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 홀에 해당하는 픽셀의 값을 역추적하는 단계
    를 포함하는, 영상 처리 방법.
  6. 제1항에 있어서,
    상기 홀은
    상기 입력 영상으로부터 제거된 영역에 해당하는, 영상 처리 방법.
  7. 제1항에 있어서,
    상기 프레임들로부터 특징점들을 추출하는 단계; 및
    프레임 간 특징점들을 매칭함으로써, 프레임 간 회전을 제거하는 단계
    를 더 포함하는 영상 처리 방법.
  8. 제1항에 있어서,
    상기 프레임들에 기초하여, 상기 홀을 지시하는 인페인팅 마스크 데이터를 생성하는 단계
    를 더 포함하고,
    상기 인페인팅 하는 단계는
    상기 인페인팅 마스크 데이터에 더 기초하여, 상기 입력 영상을 인페인팅 하는 단계
    를 포함하는, 영상 처리 방법.
  9. 제1항에 있어서,
    상기 제1 광학 흐름 정보를 추정하는 단계는
    상기 프레임들 중 어느 하나의 프레임에 포함된 픽셀에 대응하여, 상기 어느 하나의 프레임을 제외한 나머지 프레임들의 픽셀들과 상기 픽셀 사이의 광학 흐름을 나타내는 벡터를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  10. 제1항에 있어서,
    상기 입력 영상은
    360도 파노라마 비디오 데이터를 포함하는, 영상 처리 방법.
  11. 제1항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  12. 연속된 프레임들의 입력 영상을 수신하는 수신부;
    상기 프레임들에 기초하여 픽셀 단위의 제1 광학 흐름 정보를 추정하고, 상기 광학 흐름 정보에 대응하는 다항식 모델을 추정하며, 상기 다항식 모델에 기초하여 상기 프레임들에 포함된 홀(hole)의 제2 광학 흐름 정보를 추정하는 추정부; 및
    상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 입력 영상을 인페인팅 하는 인페인팅부
    를 포함하는 영상 처리 장치.
  13. 제12항에 있어서,
    상기 추정부는
    상기 다항식 모델을 추정하기 위하여,
    상기 입력 영상의 좌표계에 대응하는 모션 패턴 및 상기 제1 광학 흐름 정보에 기초하여, 상기 다항식 모델에 포함되는 상관 계수를 추정하는,
    영상 처리 장치.
  14. 제13항에 있어서,
    상기 다항식 모델은
    상기 모션 패턴에 대응하는 행렬 및 상기 상관 계수에 대응하는 벡터의 곱으로 모델링 되는, 영상 처리 장치.
  15. 제12항에 있어서,
    상기 인페인팅부는
    상기 제1 광학 흐름 정보 및 상기 제2 광학 흐름 정보 중 적어도 하나에 기초하여, 상기 홀에 해당하는 픽셀의 값을 역추적하는,
    영상 처리 장치.
  16. 제12항에 있어서,
    상기 홀은
    상기 입력 영상으로부터 제거된 영역에 해당하는, 영상 처리 장치.
  17. 제12항에 있어서,
    상기 프레임들로부터 특징점들을 추출하고, 프레임 간 특징점들을 매칭함으로써, 프레임 간 회전을 제거하는 전처리부
    를 더 포함하는 영상 처리 장치.
  18. 제12항에 있어서,
    상기 인페인팅부는
    상기 홀을 지시하는 인페인팅 마스크 데이터에 더 기초하여, 상기 입력 영상을 인페인팅 하는,
    영상 처리 장치.
  19. 제12항에 있어서,
    상기 추정부는
    상기 제1 광학 흐름 정보를 추정하기 위하여,
    상기 프레임들 중 어느 하나의 프레임에 포함된 픽셀에 대응하여, 상기 어느 하나의 프레임을 제외한 나머지 프레임들의 픽셀들과 상기 픽셀 사이의 광학 흐름을 나타내는 벡터를 추정하는,
    영상 처리 장치.
  20. 제12항에 있어서,
    상기 입력 영상은
    360도 파노라마 비디오 데이터를 포함하는,
    영상 처리 장치.
PCT/KR2019/002122 2019-02-21 2019-02-21 영상 처리 방법 및 그 장치 Ceased WO2020171257A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/424,811 US12190531B2 (en) 2019-02-21 2019-02-21 Image processing method and device thereof
KR1020197026650A KR102236473B1 (ko) 2019-02-21 2019-02-21 영상 처리 방법 및 그 장치
PCT/KR2019/002122 WO2020171257A1 (ko) 2019-02-21 2019-02-21 영상 처리 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/002122 WO2020171257A1 (ko) 2019-02-21 2019-02-21 영상 처리 방법 및 그 장치

Publications (1)

Publication Number Publication Date
WO2020171257A1 true WO2020171257A1 (ko) 2020-08-27

Family

ID=72144079

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/002122 Ceased WO2020171257A1 (ko) 2019-02-21 2019-02-21 영상 처리 방법 및 그 장치

Country Status (3)

Country Link
US (1) US12190531B2 (ko)
KR (1) KR102236473B1 (ko)
WO (1) WO2020171257A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025211538A1 (ko) * 2024-04-04 2025-10-09 한화비전 주식회사 광학 흐름에 기반한 영상 내 프라이버시 마스크 적용 방법 및 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102599310B1 (ko) * 2021-12-10 2023-11-06 현대오토에버 주식회사 Mms에 의해 촬영된 영상으로부터 차량이 제거된 영상을 획득하는 방법 및 장치
US20240289975A1 (en) * 2023-02-24 2024-08-29 Qualcomm Incorporated Pose prediction of objects for extended reality systems

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100946707B1 (ko) * 2009-09-16 2010-03-12 (주)올라웍스 파노라마 이미지에 대한 이미지 매칭을 수행하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR101241813B1 (ko) * 2012-01-10 2013-03-15 중앙대학교 산학협력단 Ｇｐｕ를 이용한 파노라마 영상의 객체 검출 장치 및 방법
US20140254882A1 (en) * 2013-03-11 2014-09-11 Adobe Systems Incorporated Optical Flow with Nearest Neighbor Field Fusion
KR101854612B1 (ko) * 2016-12-19 2018-05-04 인천대학교 산학협력단 구면 파노라마 영상을 위한 표본 기반 영상 인페인팅 장치 및 방법
KR20180119696A (ko) * 2016-04-06 2018-11-02 페이스북, 인크. 이미지 사이의 광학 흐름의 효율적 결정

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6218237B2 (ja) * 2014-06-09 2017-10-25 Kddi株式会社 撮影画像を平行化する画像変換プログラム、装置及び方法
US9672626B2 (en) * 2014-12-08 2017-06-06 Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. Method and system for generating adaptive fast forward of egocentric videos

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100946707B1 (ko) * 2009-09-16 2010-03-12 (주)올라웍스 파노라마 이미지에 대한 이미지 매칭을 수행하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR101241813B1 (ko) * 2012-01-10 2013-03-15 중앙대학교 산학협력단 Ｇｐｕ를 이용한 파노라마 영상의 객체 검출 장치 및 방법
US20140254882A1 (en) * 2013-03-11 2014-09-11 Adobe Systems Incorporated Optical Flow with Nearest Neighbor Field Fusion
KR20180119696A (ko) * 2016-04-06 2018-11-02 페이스북, 인크. 이미지 사이의 광학 흐름의 효율적 결정
KR101854612B1 (ko) * 2016-12-19 2018-05-04 인천대학교 산학협력단 구면 파노라마 영상을 위한 표본 기반 영상 인페인팅 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025211538A1 (ko) * 2024-04-04 2025-10-09 한화비전 주식회사 광학 흐름에 기반한 영상 내 프라이버시 마스크 적용 방법 및 장치

Also Published As

Publication number Publication date
KR20200103526A (ko) 2020-09-02
US12190531B2 (en) 2025-01-07
US20220092796A1 (en) 2022-03-24
KR102236473B1 (ko) 2021-04-06

Similar Documents

Publication Publication Date Title
WO2019164379A1 (en) Method and system for facial recognition
CN106991650B (zh) 一种图像去模糊的方法和装置
WO2015005577A1 (ko) 카메라 포즈 추정 장치 및 방법
CN108564617A (zh) 多目相机的三维重建方法、装置、vr相机和全景相机
CN105069753B (zh) 一种面向移动终端的抖动模糊图像复原方法
KR20120021666A (ko) 파노라마 영상 생성 방법
WO2019139234A1 (ko) 어안 렌즈 및 전방위 영상의 왜곡 제거를 위한 장치 및 방법
WO2017099510A1 (ko) 영상 통계정보에 기반한 정지장면 분할장치 및 그 방법
WO2022203464A2 (ko) 멀티뷰 어안 렌즈들을 이용한 실시간 전방위 스테레오 매칭 방법 및 그 시스템
WO2019221340A1 (ko) 관심 영역의 공간 좌표를 산출하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
CN115049548A (zh) 恢复从阵列相机获得的图像的方法和装置
WO2016204382A1 (ko) 모션 블러 이미지 복원 방법 및 장치
WO2014010820A1 (en) Method and apparatus for estimating image motion using disparity information of a multi-view image
CN103500471A (zh) 实现高分辨率增强现实系统的方法
KR102236473B1 (ko) 영상 처리 방법 및 그 장치
WO2013047954A1 (ko) 배경의 특징점으로부터 획득한 전역 움직임을 이용하여 영상을 안정화하는 영상 촬영 장치 및 방법
WO2017195984A1 (ko) 3차원 스캐닝 장치 및 방법
WO2016021830A1 (ko) Nui 장치에 의해 수집된 동작정보의 보정 방법 및 장치
WO2020111311A1 (ko) 관심객체 화질개선 시스템 및 방법
CN106101578A (zh) 图像合成方法和设备
CN115115538B (zh) 视频处理方法、装置、设备及存储介质
WO2023038369A1 (en) Semantic three-dimensional (3d) building augmentation
WO2019098421A1 (ko) 모션 정보를 이용한 객체 복원 장치 및 이를 이용한 객체 복원 방법
CN113168706B (zh) 视频流的帧中的对象位置确定
WO2016190698A1 (ko) 잡음 제거를 위한 가중 미디언 필터링 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19916172

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19916172

Country of ref document: EP

Kind code of ref document: A1