2022 3.13 - Content-Aware Brightness Solving and Error Mitigation in Large-Scale Multi-Projection Mapping/ClipID:45847 vorhergehender Clip nächster Clip

Die automatischen Untertitel, die mit Whisper Open AI in diesem Video-Player (und im Multistream-Video-Player) generiert werden, dienen der Bequemlichkeit und Barrierefreiheit. Es ist jedoch zu beachten, dass die Genauigkeit und Interpretation variieren können. Für mehr Informationen lesen Sie bitte die FAQs (Absatz 14)
Aufnahme Datum 2022-11-25

Kurs-Verknüpfung

FAU Visual Computing

Zugang

Frei

Sprache

Englisch

Einrichtung

Lehrstuhl für Informatik 9 (Graphische Datenverarbeitung)

Produzent

Friedrich-Alexander-Universität Erlangen-Nürnberg

Projection mapping with inexpensive hardware often suffers from calibration errors that lead to visually compromised results. In this paper, we classify common errors that lead to typical visual artifacts. Based on this classification, we present the first content-aware brightness solver. It is tailored for high GPU performance, yet efficiently hides the most common calibration artifacts. Moreover, it is specifically designed to handle both single and larger networked projection mapping setups with minimal latency.

Nächstes Video in Kapitel

Mehr Videos aus der Kategorie "Technische Fakultät"

2024-04-23
Studon
geschützte Daten  
2024-04-22
IdM-Anmeldung
geschützte Daten  
2024-04-23
IdM-Anmeldung
geschützte Daten  
2024-04-23
Studon
geschützte Daten  
2024-04-22
Studon
geschützte Daten