<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Перетворення 2D-зображень і 2D-відео у стерео-3D з використанням Video Depth Anything

Завантаження...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Розглянуто практичний підхід до перетворення 2D-зображень і 2D-відео у стерео-3D з використанням моделі Video Depth Anything. Показано, що ця модель не формує стереопару безпосередньо, а створює часово узгоджені карти глибини, які можуть бути використані як геометрична основа для побудови другого ракурсу.
A practical approach to converting 2D images and 2D videos into stereo-3D using Video Depth Anything is considered. It is shown that this model does not generate a stereo pair directly, but produces temporally consistent depth maps that can be used as a geometric basis for synthesizing a second view. A typical conversion pipeline is described, including depth estimation, disparity generation, second-view synthesis, filling newly visible areas, temporal stabilization, and packing into a stereo format.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Дудукало Н. С. Перетворення 2D-зображень і 2D-відео у стерео-3D з використанням Video Depth Anything // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/27876.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (1)

  1. Yang L., Kang B., Huang Z., Zhao Z., Xu X., Feng J., Zhao H. Depth Anything V2 // arXiv. – 2024. – DOI: 10.48550/arXiv.2406.09414. Chen S., Guo H., Zhu S., Zhang F., Huang Z., Feng J., Kang B. Video Depth Anything: Consistent Depth Estimation for Super-Long Videos // arXiv. – 2025. – DOI: 10.48550/arXiv.2501.12375. Tian S., Zhang L., Zou W., Li X., Su T., Morin L., Deforges O. Quality Assessment of DIBR-Synthesized Views: An Overview // Neurocomputing. – 2021. – Vol. 423. – P. 158–178. – DOI: 10.1016/j.neucom.2020.09.062. Liu W., Ma L., Cui M. Stereoscopic View Synthesis with Progressive Structure Reconstruction and Scene Constraints // PLOS ONE. – 2022. – Vol. 17, No. 12. – e0279249. – DOI: 10.1371/journal.pone.0279249.