當(dāng)人們觀察動態(tài)場景的視頻時，他們不會看到隨著時間推移出現(xiàn)的一組不相交的像素，而是在3D場景中移動的高級對象。受這一觀察的啟發(fā)，最近的一篇論文提出了一種新方法，將復(fù)雜動態(tài)場景的視頻分解為一組持續(xù)運動組。

研究人員提出了整個視頻中運動組的表示，稱為DeformableSprites。DeformableSprites表示僅根據(jù)視頻中存在的圖像和運動提示擬合視頻，無需任何用戶輸入。此外，該方法可以處理帶有移動相機和鉸接或可變形物體的視頻。

該方法支持諸如一致的視頻編輯或2D運動雕塑效果等應(yīng)用。對標準視頻對象分割基準的評估表明，所提出的方法獲得了有競爭力的結(jié)果。

我們描述了一種從輸入視頻中提取動態(tài)場景的持久元素的方法。我們將每個場景元素表示為由三個組件組成的\emph{DeformableSprite}：1)整個視頻的2D紋理圖像，2)元素的每幀掩碼，以及3)映射紋理的非剛性變形圖像到每個視頻幀。由此產(chǎn)生的分解允許諸如一致的視頻編輯之類的應(yīng)用。DeformableSprites是一種針對單個視頻進行優(yōu)化的視頻自動編碼器模型，不需要在大型數(shù)據(jù)集上進行訓(xùn)練，也不依賴于預(yù)訓(xùn)練模型。此外，我們的方法不需要對象掩碼或其他用戶輸入，并且發(fā)現(xiàn)比以前的工作更廣泛的移動對象。我們在標準視頻數(shù)據(jù)集上評估我們的方法，并在各種互聯(lián)網(wǎng)視頻上展示定性結(jié)果。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！