HyperAIHyperAI
il y a 11 jours

FovVideoVDP : un prédicteur de différence visible pour les vidéos à champ de vue étendu

{Anjul Patney, Trisha Lian, ROMAIN BACHY, GIZEM RUFO, Anton Kaplanyan, ALEXANDRE CHAPIRO, Gyorgy Denes, Rafał K. Mantiuk}
FovVideoVDP : un prédicteur de différence visible pour les vidéos à champ de vue étendu
Résumé

FovVideoVDP est une métrique de différence vidéo qui modélise les aspects spatiaux, temporels et périphériques de la perception. Bien qu’un grand nombre de métriques existent déjà, notre travail propose le premier traitement pratique combiné de ces trois aspects fondamentaux de la vision. L’interaction complexe entre la sensibilité spatiale et temporelle aux différentes localisations rétiniennes est particulièrement cruciale pour les affichages couvrant un champ de vision étendu, tels que les écrans de réalité virtuelle et augmentée, ainsi que les méthodes associées, comme le rendu foveal. Notre métrique est fondée sur des études psychophysiques du système visuel précoce, qui modélisent la sensibilité à la contrastation spatio-temporelle, la magnification corticale et le masquage de contraste. Elle prend en compte les spécifications physiques de l'affichage (luminance, taille, résolution) ainsi que la distance de visualisation. Pour valider la métrique, nous avons collecté un nouveau jeu de données sur le rendu foveal, qui capture les dégradations de qualité dues à l’échantillonnage et à la reconstruction. Pour démontrer la généralité de notre algorithme, nous l’avons testé sur trois jeux de données indépendants de vidéos rendues fovealement, ainsi que sur un grand jeu de données d’évaluation de la qualité d’images, obtenant ainsi les meilleurs résultats sur l’ensemble des jeux de données par rapport aux méthodes de pointe.

FovVideoVDP : un prédicteur de différence visible pour les vidéos à champ de vue étendu | Articles de recherche récents | HyperAI