一种无监督立体图像重定向方法技术

本发明专利技术公开了一种无监督立体图像重定向方法，所述方法包括：利用多级注意力生成模块获取立体图像的注意力图；利用左右图像之间的视点间的相关性，构建视点合成损失；利用立体图像在重定向前后的一致性，构建立体循环一致性损失；基于视点合成损失、立体循环一致性损失构建总损失函数，通过总损失函数对无监督立体图像重定向进行训练，获得重定向后的立体图像。本发明专利技术利用无监督深度学习方式，采用多级注意力生成模块提取高层特征，提取显著区域的信息，并利用无监督视点合成损失和立体循环一致性损失，保证立体图像的几何结构和深度信息，实现立体图像重定向。

【技术实现步骤摘要】
一种无监督立体图像重定向方法
本专利技术涉及图像处理、立体视觉
，尤其涉及一种无监督立体图像重定向方法。
技术介绍
立体图像能够提供沉浸式的视觉体验，受到工业界和学术界的广泛关注。随着不同立体显示设备的增长，需要在不同分辨率和目标纵横比的设备上显示立体图像和视频。立体图像重定向技术旨在智能地处理显示设备的多媒体内容，使其适应不同尺寸的屏幕，可以广泛应用于虚拟现实、人机交互等领域。目前，2D图像重定向方法分为离散方法和连续方法。离散方法是通过去除或插入对图像贡献最小能量的像素以改变原始大小。但是，该方法往往会引起显著内容出现不连续伪影，导致视觉失真。相比之下，连续方法通过计算最优的非均匀网格变形实现图像缩放，该方法使用四边形网格或三角形网格来保持显著区域。然而，连续方法可能会导致显著性区域的变形。近年来，基于深度学习的2D图像重定向算法得到了发展。例如，Cho等人提出了一种基于深度卷积神经网络的图像重定向方法，该方法利用编解码器模型学习注意力图，并设计基于内容感知的偏移层变形图像。Lin等人提出了一个从粗到细的图像重定向框架，并在每本文档来自技高网...

【技术保护点】
1.一种无监督立体图像重定向方法，其特征在于，所述方法包括以下步骤：/n利用多级注意力生成模块获取立体图像的注意力图；/n利用左右图像之间的视点间的相关性，构建视点合成损失；/n利用立体图像在重定向前后的一致性，构建立体循环一致性损失；/n基于视点合成损失、立体循环一致性损失构建总损失函数，通过总损失函数对无监督立体图像重定向进行训练，获得重定向后的立体图像。/n

【技术特征摘要】
1.一种无监督立体图像重定向方法，其特征在于，所述方法包括以下步骤：
利用多级注意力生成模块获取立体图像的注意力图；
利用左右图像之间的视点间的相关性，构建视点合成损失；
利用立体图像在重定向前后的一致性，构建立体循环一致性损失；
基于视点合成损失、立体循环一致性损失构建总损失函数，通过总损失函数对无监督立体图像重定向进行训练，获得重定向后的立体图像。


2.根据权利要求1所述的一种无监督立体图像重定向方法，其特征在于，
视点合成损失，用于促进生成具有精确的视点间关系的高质量目标立体图像；
立体循环一致性损失，用于鼓励重建图像的显著信息和视差关系与对应的原始图像相似。


3.根据权利要求1或2所述的一种无监督立体图像重定向方法，其特征在于，所述视点合成损失为：



其中，H’和W’表示重定向后的立体图像的宽度和高度，Dt(u,v)...

【专利技术属性】
技术研发人员：雷建军，范晓婷，张哲，彭勃，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12