下届世界杯也许没有C罗梅西但可以AR直播观看3D立体足球比赛 - 188bet官网
188bet官网 ┊┊時事點評獻策建言重點推介舊詞新調藝術人生
很多苛重的目标来日的事业另有。先首,只重修深度图每个玩家目下,令人得志的寓目体验它仅从场的一侧供给。表此,一面不被重修球员的闭塞。挡的一面将使玩家可能从任何角度寓目幻觉相反的侧面(几何和纹理)和被遮。二第,一步改正将有帮于节减不常的伪影玩家检测、跟踪和深度猜想的进,个游戏更令人得志地寓目而且重修场中的球将使整。表此,供特地的讯息来研习视频游戏数据可能提,如例,同的缉捕引擎举行及时缉捕是恐怕的)玩家的网格的时刻演化(若是运用不,深度不相接性检测到跳跃形状而且可能从玩家和场之间的。 戏摄像机的每帧参数第一步是猜想真正游。特定的尺寸和机合因为足球场拥有,足联的章程按照国际,面场模板瞄准来猜想摄像机参数咱们可能通过将图像与合成的平。 杯的季候这是天下,习的作品也务必有足球角度这意味着尽管是合于机械学。188,的让步是一个编造即日对姣好游戏,并正在3D中从头创修它们它必要2D完婚的视频,它们(假设你有某种巩固实际设立如许你就可能正在你的咖啡桌上寓目,不会如许做)你简直信任。正在那里好它不如,电视上看更好但它恐怕比正在。 ouTube游戏的分别团队咱们目前的结果正在10 Y。任何3D寓目者衬托咱们的结果可能运用,的侧面告终自正在视点导航使得从游戏相机记实的场。实际寓目与HoloLens咱们还履行了“全息”巩固,桌面上投射到。游戏3D模子的增加材料请参阅AR视频结果和。 一个竞赛的视频并注重寓目“桌面上的足球”编造输入,他们各自的举动跟踪每个球员和。球视频游戏中提取出来的3D模子”然后将运启发的图像照射到“从足,的3D暗示上并安插正在该场。本上基, 18与实际生涯他们把FIFA,型搀杂动力车并发作一种微。 地说完全,6×256 RGB图像收集的输入是一个25,着一个播放器的割裂掩码正在一个播放器边缘盘绕,个4通道输入从而发作一。本相面具和猜想面具的熬炼咱们试验了没有面具、地面。显革新的结果运用面具明。表此,面真正掩模发作更好的结果咱们发觉运用猜想掩模比地。计掩码通过估,放器割裂中爆发的噪声收集正在测试岁月研习播,的地面实况掩码此中没有可用。球员的面具为了筹划,收集的[51 ]咱们操纵的人割裂,F〔25〕精造与CR。:若是正在输入图像中有重叠的玩家当心咱们的收集是单玩家核心的,剪图像)并分拨其他玩家的像素到布景它将试验猜想核心的深度(最初天生裁。 获取的一组笼罩盒开端咱们从用[39 ]。下来接,/骨架来细化基于形状讯息的初始笼罩盒咱们运用从[49 ]中检测到的合节点。考核到咱们,更好地分散玩家猜想的形状可能,是笼罩盒而不光仅,地用于跟踪玩家跨帧神态合节点可能有用。 紧要聚合正在人体的凡是表征上目前最前辈的人体模子数据集,装的多样性(29针对人体样子和服,8)4。之的是取而代,题的凿凿性和职能为了优化咱们的问,于足球的熬炼数据集咱们思要一个只笃志,图和园地上的场所都特别受限此中打扮、球员神态、相机视。球运启发的单个照片的深度图因为咱们的方向是猜想一个足,种身体神态和打扮的图像和深度图对理思的熬炼数据将是足球运启发正在各,球游戏相机寓目从一个模范的足。 增加视频请参阅。道由几个环节构成束缚:咱们的管,会引入舛错每一个都。有浮现正在结果的重修中错过的检测导致球员没。迹和割裂掩模(比方缺失的身体一面)形状猜想中的差错会导致不精确的轨。解决闭塞正在肯定水准上固然咱们的手腕可能,状况下正在很多,叠相当大球员重,的深度猜想导致不凿凿。拟跳跃球员咱们不模,们老是踩正在地上由于咱们假设他。后最,度猜想收集的职能发作晦气影响强运动隐约和低图像质地会对深。 跟踪的播放器看待每一个被,计收集中运用的割裂掩模咱们必要猜想其深度估。个帧中的人割裂手腕(51)一个单纯的手腕是操纵正在每,F(25)精深用聚集的CR,练所做的那样正如咱们为训。家来说可能很好地事业这看待未被遮挡的玩,叠的状况下然则正在重,计被污染收集估。挡的熬炼样本固然存正在有遮,贴近核心的深度)并将其余一面分拨给布景是不足的然则它们的数量看待收集猜想一个玩家的深度(比方。此为,掩码来帮帮深度猜想收集咱们通过供给一个分段,播放器是远景此中跟踪的,这与实例割裂题目[20]、50]类似而且场、体育场和其他播放器是布景(,ALL场景中)但正在1-VS 。 评判归纳,运用从国际足联视频游戏缉捕的数据集咱们定量评估咱们的手腕和其他几个。同的格式创修(SEC)数据集以与熬炼数据相。)3,B-深度图像对蕴涵32个RG,0个播放器蕴涵45。差(ST RMSE)〔48咱们运用标准稳固的均方根误,计深度值与地面实况的误差10〕来衡量远景像素的估。种格式以这,平移歧义沿相机的Z轴咱们补充任何界限/。表此,用交叉合伙(IOU)胸宇咱们呈文割裂精度结果使。 端到端编造(图2)咱们提出的第一个,(贫乏重修球杀青这一方向,来的事业)这依旧是未。该编造除了,一种新的球员身体深度图猜想手腕咱们的论文的一个合节技能功勋是。视频游戏中提取的网格熬炼咱们的手腕是从国际足联。该数据基于,球运启发的每像素深度值神经收集猜想任何新的足,和神态猜想技能比拟有利与其他最前辈的身体深度。 出了一个编造咱们一经提,视频中重修3D足球游戏从一个YouTube,实设置正在桌面上全息寓目游戏的布置以及一个运用全息相机或其他巩固现。的最前辈的单眼视频播放器深度猜想框架该论文的紧要功勋是端到端编造和一个新。 有已知相机参数的较大帧裁剪后的图像来自于具,此因,相机(初始空)深度缓冲器中深度猜想可能被安插正在原始。正在熬炼岁月运用的每种手腕的相机设立因为来自分别手腕的深度猜想依赖于,度/平移稳固性胸宇于是有需要运用尺。表此,(0.045 m)乘以通过将它们的量化因子,出转换一天下单位将[48 ]的输。当心请,也活着界单元咱们的猜想,尺寸的规模相机校准由于咱们运用的正确。4 ]看待[,态猜想正在咱们的管道[49 ]中运用咱们点窜他们的代码运用类似的2D姿,和猜想的3D场所的播放器而且咱们供给摄像机参数。播放器割裂的定量结果表1总结了深度猜想和。和播放器笼罩方面的代替计划咱们的手腕优于正在深度差错。特定场景的熬炼集的好处这一结果超过了有适合。 别是特,)拦截游戏引擎和GPU之间的移用咱们运用ReNordDOC(2。足联国际,多半游戏相仿于大,用延迟暗影正在游戏中使。每帧1的深度和色彩缓冲器拜望GPU移用可能缉捕。缉捕到一个给定的帧一朝深度和色彩被,来提取玩家咱们解决它。 个沙漏模块解决输入由一系列8,×64×50体积收集输出为64,离散类)和1个布景类代表49个量化深度(。求解器(300)运用亚当(24),为6的交叉熵失掉(参见增加质料中的编造机合的细节)运用交叉熵失掉熬炼了拥有300个时刻段的批次巨细。 动缉捕和重修手腕是必须的〔8多摄像机RIPS看待很多运,5〕4。电视音讯网人割裂相机〔33〕运用美国有线,D猜想调和3,40正在,形状猜想举行室表运动逮捕11中运用多摄像机的身体。机的状况下正在单个摄像,态猜想器(35可能运用3D姿,63,得运动缉捕30)获。而然,合节供给3D场所这些手腕仅为骨骼;度必要特地的环节猜想完善的人体深,样子拟合比方参数。一架摄影机咱们只必要。 中分别手腕的深度图图6示出了现实例子。合成测验相仿于,球手腕浮现不佳非人类和非足。的投影精确地安插正在2D中[4]的手腕将形状合节点,往往分别于图像中所看到的然则猜想的3D形状和样子。表此,盖播放器像素(也因为贫乏衣服)投影的参数样子并不老是精确地覆,纹理(图7)导致不精确的。的手腕用咱们,得齐全的3D模子固然咱们没有获,4 ]中如正在[,模(比方玩家的短裤)可见表观被适合地修。表此,们的3D模子之后正在精确纹理化我,化伪影不再显然深度猜想的量。则上原,从通俗的视域(不像咱们的深度图)寓目由[4 ]发作的全3D模子可能使玩家,而然,被看到的一面的精确纹理它们将缺乏对给定帧中未,表的事业来管理这将必要洪量额。 行如下:起首深度参数化执,平面通过播放器的中央咱们猜想一个虚拟笔直,W.R.T相机并筹划其深度。后然,之间的深度值之间的隔绝咱们发觉玩家点清静面。子(1个正在平面上的箱子该隔绝被量化成49个箱,4个箱子前面的2,4个箱子)后面的2,.02米间距为0,平面反面(1米深跨度)大致笼罩正面0.5米和。样这,都有一个协同的参照点咱们全盘的熬炼图像。后稍,试岁月正在测,移操纵到玩家的笼罩盒中咱们可能将这些隔绝偏,3D(见SEC)然后将其擢升到。4)4.。 人出现一个完满的咱们所必要的是有,全息显示器担任得起的,角度事业从各个,的设立咱们。 思法很棒然则这个,限的第一次试验这是一个特别有。戏(它可能直接从收集中传出视频片断)假设编造可能基于多个角度摄取总共游,的几分钟内举行3D重播你可能正在现实竞赛了局后。 摄像机或专用设置来告终运动重修可能运用多个,的自正在视点导航和3D重放这种手腕一经操纵于游戏。多个相机的数据发作新的寓目体验英特尔等免费产物(1)通过联结。似地类,视点Stor手腕(18拥有多相机设立答允多,视点导航[1719)用于自正在,74, ]16,过暗示玩家举动告白牌的视图插值[13 ]基于播放器三角衡量(14)的视图插值或通。文中正在本,说明咱们,重修现正在成为恐怕从单目视频的牢靠,最新希望〔38由于人们检测的,〕、神态猜想〔497〕、跟踪〔31,0〕和深度研习收集37〕、分段〔2。的框架中正在咱们,戏的播送视频输入是一个游,正在线媒体网站上很容易获取正在YouTube和其他。 数据-二维研究到源,辨率低分,个相当吃紧的收获和运动-这是一,理的三维形状为每个玩家以牢靠地重修实际和合。 表此,体装备的细微改变看待从帧到帧的,MAP相应地更改咱们巴望DeXT。相接帧的重修网格图9示出了四个,清晰3D时刻同等性假使帧逐帧重修说。 机参数投影到天下坐标深度图然后运用摄像,成玩家的点云正在3D中生。应于3D点每个像素对,连通性来兴办面部而且咱们运用像素。输入图像的网格咱们纹理照射与。操纵按照,进一步简化网格可能,备中布置的文献巨细以节减正在AAR设。 个桌面进取行解决全盘视频都正在一,i7解决器此中有一个,6GB内存的GTX 108032 GB的RAM和一个带有。的)流水线个玩家完善的(未优化。 检测每个帧中的玩家视频剖判的第一步是。员恐怕是斩钉截铁的固然检测足球运动,团结的布景由于相对,测器依旧有繁难时最前辈的幼我检,如例,互相闭塞或球员太幼来自统一队的球员。 觉和筹划机图形学(32)的角度举行了通俗的商量体育剖判运动游戏剖判一经从图像解决、筹划机视,学术商量既用于,工业操纵又用于。戏涉及到几个环节领会一个别育游,检测、跟踪、割裂等从现场定位到玩家。一个预订义的区域公多半运动都有,作正正在爆发此中的动,此因,区域举行定位有需要对该。 ]或齐全主动[ 21 ]的校准来杀青这可能通过手动通讯和基于比方角落[5。事业中正在这项,5 ]的场定位手腕咱们遵从相仿于[。 法是为足球场装置很多摄像机缔造如许一种体验的一种方,机同步使摄像,术正在3D中重修场和玩家然后操纵多视点几何技。以前正在文件〔14这种心灵的手腕,31,中提出19〕,为重放的开释乃至贸易化,的〔1〕而其他。是令人印象长远的多视点手腕的结果,而然,举行衡量的央求束缚了它们的通用性正在物理上用多个同步摄像机对该场。重修任何足球游戏呢?这是本文的宗旨所正在若是咱们可能从一个YouTube视频中。 一个活泼的足球游戏的3D全息图联思一下正在你的起居室桌子上寓目,实际设置遍地走动你可能用一个巩固,同视角的玩家寓目来自不,看近隔绝的举动并精神抖擞地。 机标定和笼罩盒定位因为不正确的摄像,以从帧到帧“颤栗”玩家的3D组织可。这个题目为领会决,员的3D轨迹咱们光滑了球。计轨迹将亲密原始检测方向的第一项保障估,二阶时刻光滑第二项胀吹。 员熬炼而不显式地践诺任何时刻或视点同等性深度猜想同等性咱们的收集是从单个帧的球。状况下理思,到的特定玩家供给兼容的深度图收集该当为从分别视角同时看。8中正在图,数据集(23)上的猜想网格咱们示出了KTH多视点足球,摄像机缉捕的玩家从三个分别的同步。场上的球员的场所因为咱们没有正在球,猜想玩家的3D笼罩盒咱们运用模仿相机来。对应大致对齐网格与手动。 如斯不光,一个核心场所但可能会面正在,度寓目竞赛并从多个角,最倒霉的事务之一是每幼我都坐正在那里盯着一个目标这不是很酷吗?我不断以为正在电视上寓目体育运动,类似的东西看到齐全。们散开让人,边挑,政策——这将瑕瑜常棒的从分别角度看事物来剖判。 后最,中寓目完善的实况游戏为了正在HOLLONS,效的数据压缩和流媒体的手腕咱们必要及时重修手腕和有。算奖1538618和UW实际测验室扶帮的这项事业是由NSF /英特尔视觉和测验计。 了一种编造咱们提出,转换成运动的3D重修将足球游戏的单眼视频,互地或通过巩固实际设置来显示此中玩家和场可能与3D观多交。手腕来猜想每个球员的深度图正在咱们的论文的中枢是一种,播放器数据提取的视频游戏运用一个美国有线D视频。体神态和深度猜想技能咱们比力最前辈的身,地面道理基准并显示合成,ube足球镜头的结果以及真正的YouT。 样的理思数据?毕竟证据题目是:咱们怎样获取这,拦截游戏引擎和GPU(42正在玩电子艺界国际足联游戏和,间的呼唤时41)之,帧中提取深度图可能从视频游戏。 :A)非人类特定深度猜想(6)咱们与三种分别的手腕举行比力,度猜想(48)B)人类特定深,拟合到2D形状猜想[4 ]和C)将参数人体样子模子。这些手腕看待全盘,公然可用的代码咱们运用它们。 正在现,不足美满它还远远。这有点没用乃至有人说。场所猜想人物的,跳了一点是以他们,有浮现良多况且球并没,是正在一个规模舞蹈是以每幼我好似只。供职项清单(这是待。) 用于猜想足球运启发的深度图的手腕咱们的编造的一个合节部件是一种,球员的单个图像该手腕仅给出。节中正在本,个深收集来践诺这个职分咱们将描绘怎样熬炼一。 后最,框天生序列上的轨迹咱们基于正确畛域。都有一个肇始和了局场所每个轨道正在视频序列中。场所和轨道B的肇始场所之间的2D欧几里得隔绝两个轨道A和B之间的隔绝被界说为轨道A的了局,轨道A晚的帧开端假设轨道B正在比,周详参数描绘正在辅帮质料)而且它们的帧差幼于阈值(。婪团结政策咱们遵从贪。是最牢靠的与一个特定的球员合联联)从全盘帧举动零丁的轨道咱们开端研究全盘检测到的颈部合节点(咱们发觉这个合节点,们的成对隔绝咱们筹划他。隔绝低于阈值若是它们的,两个轨道则团结,们接续而且我,轨道团结直到没有。与一组笼罩框干系起来这一环节将每个玩家,间摆神态并正在帧之。的解决是必不成少的这些讯息看待后续,计和3D中更好的安插即时刻割裂、深度估。态猜想和跟踪的环节图2示出了检测、姿。 剪图像赠给到3.2中描绘的收集将前一环节的远景掩模连同原始裁。出是每像素收集的输,R.T之间的量化符号隔绝玩家的表观与虚拟平面W.。胸宇深度图为了获取,笼罩盒擢升到3D咱们起首将玩家的,玩家的底部像素位于地面上)创修一个告白牌(咱们假设。后然,离偏移操纵到3D告白牌咱们将由收集输出的距,望的深度图以获取期。 析近年来人类分,剖判有了很大的改正人们对深度研习的。测(38人物检,猜想(497)和形状,一步剖判供给健康的构修块37)为图像和视频的进。似地类,类供给像素级预测[51语义割裂可认为洪量的, ]27。的事业中正在咱们,从[38 ]的畛域框咱们运用如许的预测(,[49 ]神态合节点,入环节朝向一个完善的编造和人割裂(51)]举动输,简单的视频序列此中输入是一个,景的3D模子而且输出是场。 体验足球正在3D中,用来正在3D中可视化足球实质咱们重构的纹理网格和场可能。ouTube框架的新视图图10示出了三个输入Y,安插正在虚拟运动场中此中重修的玩家被。设置如全息图(图1)中寓目3D视频实质也可能正在AR,足球的体验成为恐怕从而使正在桌面上寓目。 重修存正在良多寻事足球竞赛的单眼。相看待园地的神态咱们务必猜想相机,踪每个球员检测和跟,体样子和神态重修他们的身,组合重修并显示。 机视觉和形式识别聚会进取行这项商量正正在盐湖城的筹划,谷歌和华盛顿大学的合营它是Facebook、。 uTube下载的4K折柳率的足球视频的荟萃YouTube视频咱们评估咱们的手腕从Yo。视频剪辑从主游戏相机拍摄最初的序列被剪裁到10个。50到300帧每个序列是1,游戏中心(比方并蕴涵分别的,球传,和分别数目的球员每剪辑射击等)为分别的球队。型的成像伪影视频还蕴涵典,隐约以及压缩伪影比方色差和运动。 是一个活泼的商量规模[44深度传感器的人的剖判和重修, ]3,天然光的骚扰然则因为表界,景中的运用受到束缚深度传感器正在室表场。用合成数据〔48另一种采选是使,22,64,3〕4,咱们的足球场景很远但这些虚拟天下离。内[ 10 ]和道途[ 15 ]场景有通俗的事业深度猜想从图像/视频室,确为人类但不明。近最,据上熬炼的人的一面和深度猜想手腕[48]的事业提出了一种正在合成数。(29)的运动逮捕数据他们适合参数化人体模子,改变为恣意重心和形状时并运用布纹理模子的表观,的数据集构修他们。反相,的束缚足球场景咱们的手腕操纵,型的足球打扮和身体神态从高品格的视频游戏中提取咱们构修了一个数据集的深度舆图/图像对球员正在典。从2D图像的深度是[ 4 ]另一种手腕可能间接测度人类。样子模子的形状和样子参数这项事业猜想的三维参数化,的2D形状猜想以合适所考核到。而然,鲁棒的2D形状该手腕依赖于,不适合玩家的打扮而且重修的样子。比力了这两种手腕咱们正在测验一面。 游戏的RGB屏幕截图所提取的色彩缓冲区是,叠加和游戏中的指示器没有得分和时刻计数器。非设置化坐标(NDC)中所提取的深度缓冲器正在非或,和1之间值介于0。场景的天下坐标为了获取底层,OpenGL相机矩阵咱们必要用于衬托的。的例子中正在咱们,lordDoc中拜望的这些矩阵不是直接正在Re,见增加质料中的附录A)是以咱们猜想了它们(参。 提取的深度图像对给定从视频游戏中,球运启发的任何新图像的深度咱们熬炼神经收集来猜想足。漏收集模子〔34咱们的手腕遵从沙,序列解决-一系列残存块48〕:输入由沙漏模块,低输入折柳率这些输入块降,举行升级然后对其,是深度猜想而且输出。 远景像素分拨给布景〔48〕手腕将洪量。个来由是此中一,正在逮捕凡是人的皮相他们的熬炼数据旨,乱的布景以应对混,图像中发觉的那样不像正在模范的足球。表此,48正在[,9 ]是基于人的样子和神态的扫描4 ]中运用的参数样子模子[2,不愿定考核到正在足球竞赛中。能会导致样子/形状不代表足球运启发试图将如许的模子拟合到足球数据可。表此,试者穿戴很少的衣服参数样子模子熬炼受,裸”重修导致“。 摄像机参数给定游戏,转换成3D坐标活着界坐标系中咱们可能将Z缓冲器从NDC。一个点云结果是,运启发蕴涵,育场的一面地面和体,可见确当它是。平面y=0该场位于。留球员只保,一齐和园地上的全盘点(即咱们除去足球场界线以表的,的点)Y=0。家互相分散为了将玩,BSCAN群集[12 ]咱们正在其3D场所上运用d。后最,D集群投射到图像中咱们将每个玩家的3,新筹划深度缓冲器并费用量深度重。提取了此中的12000个-用于熬炼深度猜想收集(图3)裁剪图像和缠绕投影点的深度缓冲器给咱们图像深度对-咱们。意注,家为核心的深度猜想咱们运用一个以玩,20个玩家来获取更多的熬炼数据由于咱们通过领会每个帧到10-,家的装备而不是总共场景操纵而且收集更容易研习个别玩。 含足球运启发的裁剪图像全盘手腕的输入都是包。测和形状猜想环节咱们操纵职员检,中所描绘的如SEC。4,戏图像举行查找对原始视频游,法(导致432个玩家深度对)以便找到统一组玩家的全盘方。个检测看待每,域举动测试图像运用咱们将玩家边缘的区,真正深度来举行评估而且获得相应的地面。表此,擢升它的畛域框咱们正在3D中,该规模中的场所以获取玩家正在,当心笼罩盒正在玩家边缘并不老是很紧并将其用于咱们的深度猜想手腕(,Z轴上的少许位移)从而导致正在摄像机的。
 
 
 COPYRIGHT 2004-2021 188bet官网 ALL RIGHT RESERVED 网站地图