$\mathcal {S}^{2}$Net: Accurate Panorama Depth Estimation on Spherical Surface

Li, Meng; Wang, Senbo; Yuan, Weihao; Shen, Wei Feng; Sheng, Zhe; Dong, Zilong

doi:10.1109/lra.2023.3234820

Cited by 3 publications

(1 citation statement)

References 37 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…O CViT extrai patches planares das seis faces da CMP e usa incorporações posicionais aprendidas para manter implicitamente as informações espaciais dos patches e as conexões entre as faces. Li e colegas [Li et al 2023] exploram uma amostragem Hierarchical Equal Area isoLatitude Pixelization (HEALPix), que é baseada em quadriláteros curvilíneos em vez de projeções planares, para gerar tokens. Em seguida, eles exploram uma incorporação posicional feita manualmente com base nas coordenadas esféricas do patch (vetor unitário na superfície da esfera) para lidar com o problema de conectividade das bordas.…”

Section: Desafios Com Representações Multi-plano E Híbridasunclassified

Processamento de Imagens Omnidirecionais e Aplicações

Silveira,

Jung

2023

Escola De Computação PPGC/UFRGS 50 Anos: Transformando Desafios Em Oportunidades Para O Futuro

View full text Add to dashboard Cite

Omnidirectional images and videos have been widely disseminated due to the popularization of devices for capture and visualization. Unlike images captured with perspective projection, omnidirectional media are defined on the surface of a sphere, having a field of view of 360 • × 180 • . Thus, they store the light intensities in the entire region around the capture point, with high potential for use in applications involving immersive augmented, mixed and virtual reality experiences. Although defined in the spherical domain, omnidirectional images are often mapped to a (multi)planar representation, which results in distorted images and degrades the performance of most traditional visual computing algorithms designed to work in the plane. This chapter reviews the spherical camera model, the most common capture devices, and popular (multi)planar representations of omnidirectional media. It also lists the main challenges of omnidirectional visual computing, focusing on the deep learning paradigm, and discusses potential applications. ResumoImagens e vídeos omnidirecionais têm sido amplamente difundidos devido à popularização de dispositivos para captura e visualização. Ao contrário das imagens capturadas com projeção em perspectiva, as mídias omnidirecionais são definidas sobre a superfície de uma esfera, tendo um campo de visão de 360 • × 180 • . Assim, elas armazenam as intensidades de luz em toda região em torno do ponto de captura, com alto potencial de uso em aplicações que envolvem experiências imersivas de realidade aumentada, mista e virtual. Embora definidas no domínio esférico, as imagens omnidirecionais muitas vezes são mapeadas para uma representação (multi) planar, o que resulta em imagens distorcidas Vídeo com a apresentação do capítulo: https://youtu.be/rqLWrSRm-Y0

show abstract

Section: Desafios Com Representações Multi-plano E Híbridasunclassified