چکیده فارسی :

تولید صحنه های سه بعدی (3D) از تصاویر دو بعدی (2D)، یک گام مهم برای یک مقدمه موفق به خدمات چند رسانه ای سه بعدی است. در میان مسائل مربوطه، تخمین عمق از یک تصویر تک نمایی احتمالاً دشوارترین و چالش برانگیزترین وظیفه می باشد. در این مقاله، یک روش تخمین عمق جدید با استفاده از طبقه بندی شی بر اساس الگوریتم یادگیری بیزی را پیشنهاد می کنیم. با استفاده از داده های آموزشی از 6 ویژگی، اشیا در تصویر تک نمایی را به 4 نوع مختلف دسته بندی می کنیم. با توجه به نوع، یک مقدار عمق نسبی به هر شی تخصیص می دهیم و یک مدل 3 بعدی ساده را تولید می کنیم. نتایج تجربی نشان می دهد که روش پیشنهادی اطلاعات عمق را به درستی تخمین می زند و یک مدل 3 بعدی را تولید می نماید.

کلیمات کلیدی: تبدیل دو بعدی به سه بعدی، تخمین عمق، نشانه های عمق تک چشمی، تولید صحنه های سه بعدی، تصویر تک نمایی

چکیده انگلیسی :

Generation of three-dimensional (3D) scenes from twodimensional (2D) images is an important step for a successful introduction to 3D multimedia services. Among the relevant problems, depth estimation from a single-view image is probably the most difficult and challenging task. In this paper, we propose a new depth estimation method using object classification based on the Bayesian learning algorithm. Using training data of six attributes, we categorize objects in the single-view image into four different types. According to the type, we assign a relative depth value to each object and generate a simple 3D model. Experimental results show that the proposed method estimates depth information properly and generates a good 3D model.
Index Terms — 2D-to-3D conversion, Depth estimation, Monocular depth cues, 3D scene generation, Single-view image