Визуальная когерентность в дополненной реальности
Автор: Горбунов А.Л.
Журнал: Вестник Донского государственного технического университета @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 2 т.23, 2023 года.
Бесплатный доступ
Введение. 2020-е годы ознаменовались появлением нового поколения компьютерных тренажеров с применением технологии дополненной реальности. Одно из преимуществ данной технологии - возможность безопасного моделирования опасных ситуаций в реальном мире. Необходимым условием использования этого преимущества является обеспечение визуальной когерентности сцен дополненной реальности: виртуальные объекты должны быть неотличимы от реальных. Все мировые IT-лидеры рассматривают дополненную реальность как следующую волну радикальных изменений в цифровой среде, поэтому визуальная когерентность становится ключевым вопросом для будущего IT, а в аэрокосмических приложениях визуальная когерентность уже приобрела практическое значение. Примером может служить разработка корпорацией Боинг пилотского тренажера с дополненной реальностью (2022). Визуальная когерентность - сложная комплексная проблема, одним из аспектов которой является обеспечение корректной колористической тонировки виртуальных объектов в сцене дополненной реальности. Цель работы - разработка нового метода такой тонировки.Материалы и методы. В разработанном методе (названном спектральной трансплантацией) используются двумерные спектральные преобразования изображений.Результаты исследования. Предложена технология спектральной трансплантации, обеспечивающая прямую передачу характеристик цвета, яркости и контраста от реального фона к виртуальным объектам. Разработан алгоритм автоматического выбора оптимального вида спектрального преобразования.Обсуждение и заключение. Будучи полностью автоматическим процессом без регистрации условий освещенности, спектральная трансплантация решает ряд сложных проблем визуальной когерентности. Спектральная трансплантация может стать ценным дополнением к другим методам обеспечения визуальной когерентности.
Компьютерные тренажеры, дополненная реальность, визуальная когерентность
Короткий адрес: https://sciup.org/142238865
IDR: 142238865 | DOI: 10.23947/2687-1653-2023-23-2-180-190
Список литературы Визуальная когерентность в дополненной реальности
- Hughes C.L., Fidopiastis C., Stanney K.M., et al. The Psychometrics of Cybersickness in Augmented Reality. Frontiers in Virtual Reality. 2020;1:602954. https://doi.org/10.3389/frvir.2020.602954
- Somanath G., Kurz D. HDR Environment Map Estimation for Real-Time Augmented Reality. Cupertino, CA: Apple Inc.; 2020. URL: https ://arxiv.org/pdf/2011.10687.pdf (accessed: 17.06.2022).
- Kronander J., Banterle F., Gardner A., et al. Photorealistic Rendering of Mixed Reality Scenes. Computer Graphics Forum. 2015;34(2):643-665. https://doi.org/10.1111/cgf. 12591
- Debevec P., Graham P., Busch J., et al. A Single-Shot Light Probe. SIGGRAPH '12: ACM SIGGRAPH 2012 3 Talks. 2012;10:1-19. URL: https://vgl.ict.usc.edu/Research/SSLP/A Single Shot Light Probe-SIGGRAPH2012.pdf (accessed: 17.06.2022).
- Alhakamy A., Tuceryan M. CubeMap360: Interactive Global Illumination for Augmented Reality in Dynamic ^ Environment. In: Proc. IEEE SoutheastCon. Huntsville, AL: IEEE; 2019. f https://doi.org/10.1109/SoutheastCon42311.2019.9020588
- Knorr S.B., Kurz D. Real-Time Illumination Estimation from Faces for Coherent Rendering. In: Proc. IEEE Int. £ Symposium on Mixed and Augmented Reality (ISMAR). Munich: IEEE; 2014. P. 113-122. ^ https://doi.org/10.1109/ISMAR.2014.6948483
- Seiji Tsunezaki, Ryota Nomura, Takashi Komuro, et al. Reproducing Material Appearance of Real Objects using Mobile Augmented Reality. In: Proc. 2018 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct). Munich: IEEE; 2018. P. 196-197. https://doi.org/10.1109/ISMAR-Adiunct.2018.00065
- Reinhard E., Akyuz A.O., Colbert M., et al. Real-Time Color Blending of Rendered and Captured Video. In: Proc. Interservice/Industry Training, Simulation and Education Conference (I/ITSEC). Orlando, Florida: National Training and Simulation Association; 2004. P. 1-9. URL: https://user.ceng.metu.edu.tr/~akyuz/files/blend.pdf (accessed: 17.06.2022).
- Xuezhong Xiao, Lizhuang Ma. Gradient-Preserving Color Transfer. Computer Graphics Forum. 2009;28(7):1879-1886. https://doi.org/10.1111/i.1467-8659.2009.01566.x
- Горбунов А.Л. и др. Способ формирования изображения дополненной реальности, обеспечивающий совпадение визуальных характеристик реальных и виртуальных объектов. Патент РФ, № 2667602, 2019.
- Oliva A., Torralba A.J., Schyns Ph.G. Hybrid Images. ACM Transactions on Graphics. 2006;25(3):527-532. https://doi.org/10.1145/1179352.1141919
- Kan P., Kafumann H. DeepLight: Light Source Estimation for Augmented Reality Using Deep Learning. The Visual Computer. 2019;35:873-883. https://doi.org/10.1007/s00371-019-01666-x
