论文部分内容阅读
动态纹理是计算机视觉中的动态模型之一,在空间范围内具有统计平稳性,在时间维度上具有随机重复性。动态纹理合成的目标是生成与给定纹理在视觉上相似的图像。在进行动态纹理合成时,回归预测误差积累是导致纹理质量下降的一个关键问题。为此,本文提出一种基于自纠正机制的动态纹理合成模型。利用清晰度、结构相似性、光流等指标来确定优化数据范围,并找到优化极值点。通过自纠正机制,将原始数据替换为优化数据,并将优化数据用于回归预测。最后,利用卷积自编码器将预测数据重构为高维的动态纹理视频帧。在Dyn Tex数据库上进行实验