基于网格流的视频修补网络

视频修补的目的是基于视频帧之间的时空域上下文信息修补空洞.现有的方法由于不能准确地对运动轨迹进行建模经常导致修补结果无法保持良好的时空一致性.为此引入灵活的形状自适应网格作为基本处理单元,将网格流用于运动表示,提出了一个基于网格流的视频修补网络,通过先预测网络流再添补空洞区域的方式对视频进行修补.具体地,首先设计了一个网格流预测模块用于预测视频中可见内容的网格流的预测和一个网格流修补模块用于修补视频中空洞区域的网格流,通过这种方式将网格流的预测和修补解耦以达到更容易训练优化的目的.我们进一步设计了一个混合损失函数用于同时优化可见区域、修补区域和整个视频帧范围的网格流预测结果.为修正经过网格流变换引起的失真现象,最后设计了一个修补优化网络.大量试验结果证明,本文提出的方法不仅从主观评判和客观指标得到相比于现有方法更好的修补结果,而且相比于现有最快的方法达到了4倍的速度提升.

视差信息辅助的视频修补方法

提出一种视差信息辅助的街景视频修补方法,首先通过视差图像的分割检测出视频帧中的待修补区域和参考区域,然后同样基于视差信息建立两者的位置对应关系.在具体修补过程中,按照一种摄像机运动相关的修补顺序,采用渐进迭代的策略对整段视频进行修补,最后得到较满意的效果.由于视差信息代表图像之间像素级的位置对应关系,因此该方法的修补效果不受限于场景的复杂度.同时实验证明文中方法能完成较大面积遮挡区域的修补.

改进的整体变分模型在视频图像修补上的应用

改进了经典的图像修补变分模型,既考虑了图像区域中梯度不同给图像修补带来的不同影响,同时兼顾了视觉心理学对图像效果的影响。提出了新的变分泛函,给出了相应的欧拉-拉格朗日方程。将此模型应用到静态的图像上,和原来的模型在图像修补效果上进行了对比。将此图像修补模型应用到视频修补问题上,从一个新的角度,在两帧图像之间以增加一帧,把目标放在相应位置,形成新帧,使人物动作连贯,达到更好的视频图像的修补效果。

利用宽泰系统进行视频画面修补小技巧

在拍摄现场,有时经常会由于技术上的失误而浪费了最精彩的镜头。对于拍摄经费充足的影片来说,最好的解决方案也许就是重拍,对其它影片,则只能是在后期制作中进行补救。现在由于有了使用非压缩信号的基于磁盘的系统,甚至可以修补肉眼看得见的被严重破坏的镜头,而不会降低画面质量。 通常人们使用DVE画面再取景来去掉画面边缘上的黑点。

基于全局运动仿射模型的视频目标移除

给出一种基于全局运动仿射模型的视频目标移除方法.用仿射模型描述非移除区域的全局运动,通过提取相邻帧的匹配对进行模型参数估计;对于每一帧中待修补的移除区域,根据仿射模型之间的递推关系和运动一致性准则,从其它帧中寻找该区域的信息并进行修补.实验表明,方法能够较好的对运动前景、台标等目标进行移除.