[ad_1]
Banyak video seluler direkam dengan lensa sudut lebar untuk menyertakan kedua subjek yang bernarasi dan latar belakang. Namun, pemutaran video menunjukkan distorsi visual yang meregangkan subjek di dekat sudut gambar.
Sebuah studi baru-baru ini di arXiv.org membahas distorsi wajah sudut lebar pada video menggunakan optimasi mesh spasial-temporal.
Penyuntingan video. Kredit gambar: honeycombhc melalui Pixabay, lisensi gratis
Para peneliti bertujuan untuk menghasilkan video dengan tampilan alami pada wajah manusia. Algoritme menghasilkan jaring lengkung yang beradaptasi dengan proyeksi stereografik di daerah wajah. Kehalusan temporal dan istilah embedding yang koheren diperkenalkan untuk menjaga konsistensi temporal dari jerat. Istilah pelestarian garis mempertahankan garis lurus di latar belakang.
Kumpulan data benchmark video yang dikumpulkan dari kamera Google Pixel 3, GoPro, dan iPhone 11 dibuat untuk evaluasi kinerja. Pendekatan ini secara signifikan meningkatkan kualitas video dan cocok untuk perangkat lunak pasca-pengeditan video.
Blog video dan selfie adalah format media sosial populer, yang sering ditangkap oleh kamera sudut lebar untuk menunjukkan subjek manusia dan latar belakang yang diperluas. Sayangnya, karena proyeksi perspektif, wajah di dekat sudut dan tepi menunjukkan distorsi yang jelas yang meregangkan dan menekan fitur wajah, sehingga menghasilkan kualitas video yang buruk. Dalam karya ini, kami menyajikan algoritma video warping untuk memperbaiki distorsi ini. Ide utama kami adalah menerapkan proyeksi stereografik secara lokal di daerah wajah. Kami merumuskan masalah mesh warp menggunakan minimalisasi energi spasial-temporal dan meminimalkan deformasi latar belakang menggunakan istilah pelestarian garis untuk mempertahankan tepi lurus di latar belakang. Untuk mengatasi koherensi temporal, kami membatasi kelancaran temporal pada jerat warping dan lintasan wajah melalui variabel laten. Untuk evaluasi kinerja, kami mengembangkan kumpulan data video sudut lebar dengan rentang panjang fokus yang luas. Studi pengguna menunjukkan bahwa 83,9% pengguna lebih memilih algoritme kami daripada alternatif lain berdasarkan proyeksi perspektif.
Makalah penelitian: Lai, W.-S., Shih, Y., Liang, C.-K., dan Yang, M.-H., “Mengoreksi Distorsi Wajah dalam Video Sudut Lebar”, 2021. Tautan: https://arxiv.org/abs/2111.09950
[ad_2]
