Citation
Recio Nogales, Rocío
(2017).
Modelización de la percepción subjetiva de vídeo súper multivista para contenido con distorsión.
Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Telecomunicación (UPM), Madrid.
Abstract
El desarrollo de las tecnologías de captura para contenido audiovisual, y la disminución del tamaño de sensores y cámaras, hace posible, a día de hoy, la captura de una escena desde múltiples puntos de vista simultáneamente, generando nuevos formatos de vídeo, como por ejemplo el multivista, cuyo objetivo es aumentar la sensación de inmersividad en el usuario.
Los displays súper multivista (SMV), están actualmente en desarrollo y parecen ser la tecnología de visualización sin gafas más prometedora. Éstos proyectan un conjunto discreto y denso de vistas, que son distribuidas por el campo de visión, permitiendo que el usuario perciba paralaje de movimiento al variar su perspectiva de la escena mediante el movimiento de su cabeza.
La evaluación subjetiva por parte de usuarios y su caracterización son esenciales en el desarrollo de cualquier sistema audiovisual, ya que permiten desarrollar y optimizar las tecnologías para que ofrezcan experiencias de visualización satisfactorias. En el caso de SMV, a las características propias de la evaluación subjetiva de sistemas de vídeo, se añade la variación del punto de vista, sumando el reto de evaluar cómo esta nueva característica influye en la percepción del usuario.
Existen en la literatura algunos trabajos preliminares que modelan la percepción de esta nueva característica. El MultiView Perceptual Disparity Model (MVPDM) se basa en la disparidad perceptual entre vistas observada por el usuario, para modelar la calidad de experiencia de este tipo de sistemas con respecto a parámetros como la densidad de vistas o la velocidad en la variación del punto de vista.
En este Trabajo Fin de Grado se ha evaluado la calidad de experiencia percibida por los usuarios para contenido SMV con efectos de distorsión como la compresión o la inclusión de vistas virtuales mediante algoritmos de Depth-Image Based Rendering (DIBR). Para ello, se han realizado pruebas subjetivas que han permitido extraer conclusiones relevantes en cuanto a la interrelación de factores como la calidad de imagen percibida y el cambio de punto de vista. Además, se ha estudiado la correlación de los resultados de las pruebas con las predicciones proporcionadas por los parámetros del MVPDM y propuesto algunas modificaciones de este modelo a partir de los resultados obtenidos. Otro de los resultados relevantes es que las conclusiones del análisis subjetivo revelan que es posible extender la parametrización del MVPDM (desarrollado para contenido SMV sin distorsiones) a contenido codificado sin tener que ser modificado.