计算机工程 ›› 2020, Vol. 46 ›› Issue (4): 266-272.doi: 10.19678/j.issn.1000-3428.0056246

• 图形图像处理 • 上一篇    下一篇

基于视觉注意力分析的3D内容生成方法

蔡凯, 李新福, 田学东   

  1. 河北大学 网络空间安全与计算机学院, 河北 保定 071000
  • 收稿日期:2019-10-10 修回日期:2019-11-28 出版日期:2020-04-15 发布日期:2019-12-04
  • 作者简介:蔡凯(1993-),男,硕士研究生,主研方向为图像处理;李新福,教授、博士;田学东,教授、博士、博士生导师。
  • 基金项目:
    河北省高等学校科学技术研究重点项目(ZD2017208,ZD2017209)。

3D Content Generation Method Based on Visual Attention Analysis

CAI Kai, LI Xinfu, TIAN Xuedong   

  1. School of Cyber Security and Computer, Hebei University, Baoding, Hebei 071000, China
  • Received:2019-10-10 Revised:2019-11-28 Online:2020-04-15 Published:2019-12-04

摘要: 由于在某些特殊场景中获取深度线索的难度较高,使得已有3D内容生成方法的应用受到限制。为此,以显著图代替深度图进行2D-3D转换,提出一种3D内容生成方法。使用全卷积网络(FCN)生成粗糙的显著图,通过条件随机场对FCN的输出结果进行优化。实验结果表明,该方法可以解决现有方法中因使用低等级特征进行视觉注意力分析而导致显著图质量不高的问题,且能够生成具有良好视觉效果的3D内容。

关键词: 3D内容生成, 显著性检测, 显著图, 全卷积网络, 条件随机场

Abstract: Due to the difficulty of obtaining depth cues in some special scenarios,the application of existing 3D content generation methods is limited.Therefore,by replacing depth map with saliency map for 2D to 3D conversion,this paper proposes a 3D content generation method.The rough saliency map is generated by using Fully Convolutional Network(FCN) and the output results are optimized by Conditional Random Field (CRF).Experimental results show that the proposed method can solve the problem of low quality of saliency map in existing methods caused by using low-level features for visual attention analysis,and it can generate 3D content with satisfying visual effect.

Key words: 3D content generation, saliency detection, saliency map, Fully Convolutional Network(FCN), Conditional Random Field(CRF)

中图分类号: