基于时域一致性约束的视频风格迁移方法.pdf
白凡****12
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于时域一致性约束的视频风格迁移方法.pdf
本发明公开了一种基于时域一致性约束的视频风格迁移方法,主要解决现有技术在视频风格迁移中出现的闪烁、前后不连贯的问题。其实现方案为:1)获取视频数据集、风格图像,并离线计算光流信息;2)构建基于时域一致性约束的视频风格转换网络;3)利用视频数据集、风格图像以及光流信息训练风格转换网络模型,更新其各层的权值和偏置;4)将测试视频输入到训练好的风格转换网络模型中,输出结果即为风格化视频。本发明通过训练风格转换网络模型拟合输入视频与风格化视频之间的非线性映射关系,并以这种关系为指导对真实视频进行不同风格的渲染,提
基于特征时空约束的监控视频跨模态视频迁移方法.pdf
本发明涉及一种基于特征时空约束的监控视频跨模态视频迁移方法,包括:步骤1,构建训练数据和神经网络;步骤2,读取连续的模态数据,将模态数据分别输入生成器;步骤3,利用预训练光流模型FlowNet增强模型特征;步骤4,从生成器中提取特征层,优化网络结构并增强特征结构;步骤5,重复步骤2至步骤4,直至迭代模型迭代饱和,网络参数收敛。本发明所述基于特征时空约束的监控视频跨模态视频迁移方法能够提供更优的空间结构信息,还能够给予时序一致性约束;能够增强视频模态迁移结果的稳定性。
基于特征时空约束的监控视频跨模态视频迁移方法.pdf
本发明涉及一种基于特征时空约束的监控视频跨模态视频迁移方法,包括:步骤1,构建训练数据和神经网络;步骤2,读取连续的模态数据,将模态数据分别输入生成器;步骤3,利用预训练光流模型FlowNet增强模型特征;步骤4,从生成器中提取特征层,优化网络结构并增强特征结构;步骤5,重复步骤2至步骤4,直至迭代模型迭代饱和,网络参数收敛。本发明所述基于特征时空约束的监控视频跨模态视频迁移方法能够提供更优的空间结构信息,还能够给予时序一致性约束;能够增强视频模态迁移结果的稳定性。
基于时域信息的自适应视频预处理方法.pdf
本发明公开一种基于时域信息的自适应视频预处理方法,步骤如下:步骤S1、读入一帧视频图像数据;步骤S2、获得各像素基于时域信息的加权系数;步骤S3、计算各像素的双边滤波值;步骤S4、根据加权系数和双边滤波值,让处理后的像素点的值取自于原像素及该像素双边滤波值的加权和,获得视频预处理值。本发明基于各像素的双边滤波值和加权系数处理原始图像,所获得的值为双边滤波值和原始像素值的加权和,实现了在运动估计准确以及相对静止区域保持其时域信息不变,在运动估计剧烈以及残差估计相对不准确的区域通过双边滤波实现降噪的边界保存效
基于时域定区间记忆补偿的视频对象分割方法.pdf
本发明公开了一种基于时域定区间记忆补偿的视频对象分割方法,步骤如下:首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后采用时域定区间记忆补偿法对检测出的初始运动变化区域进行补偿,并进一步整合形成全局运动记忆母板;在空域,使用Sobel边缘检测算子较为精确地检测得到当前帧中的所有边缘;然后进行时空融合,从而提取出完整精细的运动对象轮廓;最后,通过填充得到视频运动对象模板。这是一种新的并行时空融合自动分割方法,它的提出有效地解决了时空融合时经常出现的视频对象内部缺失严重以及采用帧差检测运