【标题】Visual Comfort Aware-Reinforcement Learning for Depth Adjustment of Stereoscopic 3D Images

【作者团队】Hak Gu Kim, Minho Park, Sangmin Lee, Seongyeop Kim, Yong Man Ro

【论文链接】https://arxiv.org/pdf/2104.06782.pdf

【发表时间】2021.4.12

【推荐理由】深度调整旨在增强立体3D（S3D）图像的视觉体验，同时改善视觉舒适度和深度感。对于人类专家来说，深度调整过程是一系列迭代决策的序列。人类专家反复调整深度，直到他对视觉舒适度和感知深度这两个水平感到满意为止。本文提出了一种新颖的基于深度强化学习（DRL）的深度调整方法，称为VCA-RL（视觉舒适感知强化学习），用于在深度编辑操作中显式建模人类顺序决策。其将深度调整过程公式化为马尔可夫决策过程，其中动作定义为摄像机移动操作，以控制左右摄像机之间的距离。本文的agent是根据客观视觉舒适度评估指标的指导下进行训练的，以根据立体观看中的感知方面，学习相机运动动作的最佳顺序。通过大量的实验和用户研究，本文在三个不同的S3D数据库上展示了我们的VCA-RL模型的有效性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除