基于在线压缩的立体视频流获取的中期报告.docxVIP

基于在线压缩的立体视频流获取的中期报告 本次报告旨在介绍基于在线压缩的立体视频流获取的中期进展。在过去的几个月中，我们团队致力于开发一种能够实时捕捉并压缩立体视频流的技术。现已完成了一些初步实验，取得了一些有意义的进展。 首先，我们选择了深度学习算法作为立体视觉的基础。我们使用了几个常见的深度学习模型来处理立体视频流的匹配问题，如DispNetC，PWC-Net等。通过调整不同的模型参数，我们能够获得更加高效的匹配结果和更低的误差率。 其次，我们实现了一种基于在线压缩的技术来获取立体视频流。具体来说，我们采用基于深度学习的压缩技术，首先将左右两个相机拍摄到的图像进行压缩，然后将两个压缩后的图像通过网络连接，实时地传输给解码器进行解码。这样一来，我们就可以实时地捕捉立体视频流并进行实时压缩。 最后，为了测试我们的技术，我们进行了一系列实验。我们收集了不同场景下的立体视频流，并将其传输给我们的解码器进行解码。结果表明，我们的技术能够实时捕捉立体视频流并实现实时压缩，压缩率也能够达到很高的水平，同时能够保持较低的失真率。 总之，我们的工作展示了一种基于在线压缩的立体视频流获取技术。未来，我们将继续优化这项技术，以便更好地适应各种应用场景。