文件名称：dibr-rvs:基于深度图像的渲染-参考视图选择
文件大小：439KB
文件格式：ZIP
更新时间：2024-05-22 05:31:40
Python
要计算伽玛（合成图像和原始图像之间的差异），我们可以通过运行 python gammas.py --rig blender_data/cameraSettings.json --rgb blender_data --depth blender_data --out blender_output --outfile blender_output/gammas.csv --method dibr rgb和depth参数保存rgb和depth数据存储的位置。 在此过程中合成的所有图像都将存储在out目录中，而gamma值存储在outfile csv文件中。 方法参数默认为“ dibr”。 其他方法是“ optflow-depth”（用于计算两个原始深度图像之间的光流）和“ dsqm”。 rig参数指定一个文件，该文件描述相机的rig内部参数和外部参数。 该.json文件看起来像 {
【文件预览】：
dibr-rvs-master
----correlation.py(3KB)
----.gitignore(27B)
----solve2d.py(9KB)
----gammas.py(16KB)
----triangles2.py(3KB)
----__init__.py(0B)
----approximate.py(2KB)
----README.md(3KB)
----correlation_dist.py(2KB)
----graphs()
--------edges_to_next_layer.py(2KB)
--------erf.png(83KB)
--------proof_jr_boundaries_1.py(3KB)
--------gammas.py(656B)
--------extrapolation_proof2.png(659B)
--------edges_to_next_layer.png(22KB)
--------complexity3.py(897B)
--------complexity3.png(17KB)
--------2dresult.png(324KB)
--------interpolation_graph.py(2KB)
--------G_2_1.py(3KB)
--------proof_jr_boundaries_1.png(22KB)
--------chessboard.png(1KB)
--------extrapolation_proof1.png(675B)
--------interpolation_graph.png(23KB)
--------plots.py(854B)
--------chessboard.py(1KB)
--------G_2_1.png(21KB)
--------erf.py(906B)
----shortest_path.py(12KB)
----optimal_tree.py(9KB)
----common()
--------__init__.py(0B)
--------dibr.py(10KB)
--------dsqm.py(3KB)
--------util.py(275B)
--------camera.py(5KB)
--------stitch.py(7KB)
----triangles.py(6KB)
----2dpath.py(2KB)
----examples.sh(897B)