提升带宽受限应用下多视图深度视频质量的跨视图多横向滤波方法

本文档标题为"压缩多视图深度视频的跨视图多横向滤波器"，发表于《IEEE Transactions on Image Processing》卷28，第1期，2019年1月。该研究论文聚焦于多视图深度视频在虚拟现实、自由视角视频以及交互与远程应用中的关键作用。这些应用依赖于精确的三维空间定位信息，但在带宽受限的远程传输中，压缩过程不可避免地会导致质量下降，产生明显的量化错误，进而影响到后续的虚拟视图渲染，使得交互体验大打折扣。 针对这一问题，作者提出了一个跨视图多横向滤波器（Cross-View Multi-Lateral Filter）的解决方案。该滤波器设计用于提升压缩深度图和视频的质量，特别是在非对称多视图视频深度压缩的框架下。核心思想是通过结合当前时间和邻近时间槽的多个视点，选择非局部候选区域来修正扭曲的深度地图。这种方法旨在利用不同视点之间的冗余信息，通过联合处理来减少因压缩带来的失真。 具体来说，该算法首先对多视点的深度数据进行预处理，提取出潜在的多视图一致性，然后在相邻视图之间进行滤波操作。这个过程包括两个关键步骤：首先，通过比较不同视点的深度信息，找出可能的匹配区域；其次，使用一种自适应的权重分配策略，根据每个像素周围视点的相似度和可靠程度，决定如何融合这些非局部信息。这种融合有助于平滑深度映射，减少锯齿状噪声和边缘模糊，从而提高压缩深度视频的整体视觉效果。 跨视图多横向滤波器的优势在于其能够适应动态场景中的视点变化，并且在处理多视点数据时具有良好的效率。它不仅考虑了时间上的连续性，还考虑了空间上的相关性，因此对于那些依赖于高质量深度信息的应用，如增强现实、游戏开发或远程协作等，具有显著的实际价值。通过优化压缩过程中的质量保持，该方法有望促进多视图深度视频在带宽受限条件下的广泛应用和发展。