IEEE VR
2019
Motion parallax for 360◦ RGBD video(源码暂未公布)
MegaParallax: Casual 360° Panoramas with Motion Parallax
Deep Learning-Based Approach For Automatic VR Image Upright Adjustment
背景:
相机朝向不是直的，获得的VR图像没有垂直对齐(在VR头显中图像倾斜)
解决方案：
基于深度学习的自动校正VR图像的方法
贡献：
返回校正后的视图
Dense 3D Scene Reconstruction from Multiple Spherical Images for 3-DoF+ VR Applications
背景：
解决方案：
基于多个球状图像的室内场景3维几何重建
探索大的光流替代算法获得相应的点
使用交叉验证和几何限制检测和移除关于形变和遮挡的不好的匹配点
贡献：
根据参考画面生成稠密的深度图
提供3个自由度+的沉浸式体验
Real-time panoramic depth maps from omni-directional stereo images for 6 DoF videos in virtual reality
一种使用CNN从全方位立体图(ODS images)获得6自由度全景视频的方法
解决方案:
用cnn实时地从ODS图生成一些深度图，这些深度图允许全景图像重投影因此能给VR中的观察者提供6自由度的体验
贡献:
提出了新的边缘权重误差函数以及新的关于全景图像拼接的误差度量
Exploration of Large Omnidirectional Images in Immersive Environments
背景:
导航对在沉浸式环境中探索数据是一个主要挑战，特别是在大型全向球形图中。
贡献：
提出了一个自动缩放的方法允许使用者在不同焦点的物理空间的安全范围内用远程传输进行导航
该方法结合了物理导航和虚拟传输
使用缩放镜头评估了我们的系统和其它不同的传输转换
目标视图会从缩放透镜中完全扩张直到将使用者包围
The Effect of Camera Height, Actor Behavior, and Viewer Position on the User Experience of 360° Videos
背景:
360°视频能够用头显来获得沉浸式的体验，然而观看体验是如何被360°视频的基本属性影响还没被弄明白，例如视频到底记录了多高，是否有人靠近相机
解决方案:
进行了一个24人参与的研究
研究内容：
观看体验是否被下列属性影响：
1.相机高度
2.出现在视频中的人的接近和行为
3.观看者站或坐的位置
结论:
观看者自己的高度对首选相机的高度和体验几乎没有影响
对于站和坐而言最优的相机高度大概位于150厘米
某些情况下，相机太矮或者人离相机很近会对体验有负面影响
贡献:
能够更好地理解和设计沉浸式360°体验
Live Stereoscopic 3D Image With Constant Capture Direction of 360 Cameras for High-Quality Visual Telepresence
背景：
为了捕捉遥远的3d画面，系统要使用传统的附在机器人脑袋上的3d相机
然而相机旋转时生成的低质量图的延迟和运动模糊容易造成VR病
解决方案：
一种叫作TwinCam的方法
使用两个360°相机，保持它们的距离为标准瞳孔间距，并保持它们在世界坐标系下的镜头方向不变即使它们绕头部的轴线旋转并沿着眼睛的位置移动
这种方法能抑制图像缓冲因为每个相机在固定捕捉方向时都能捕捉全方向图
贡献：
介绍了我们相机系统的设计和它在视觉远程呈现中的潜力
我们的相机机制能减少运动模糊和VR病
Efficient Hybrid Projection For Encoding 360 VR Videos
背景：
过去5年，市场上卖了成吨的360VR相机
360VR视频无所不在，然而数字工业的360VR视频的标准化依然引起热议
尽管ERP被广泛用于虚拟现实视频的投影和打包布局，但它在极轴处有严重的投影失真
解决方案：
新的使用混合圆柱投影的编码和存储360VR视频的格式
贡献：
能够生成平衡的像素扭曲，最小化结果投影的拉伸比例