しばらく前に、ドイツの企業のウェブサイトで一連の興味深いビデオ プレゼンテーションを見つけました。彼らは再生中にビデオ ストリームを変更することを扱いますが、私はこの技術の正確さと滑らかさに感銘を受けました。これらすべてのプレゼンテーションの中で、動的な再生ビデオ内でのテキストのブレンドという点で、非常に魅力的なプレゼンテーションの1 つを考えました。ビデオの再生中にテキスト ボックスに文字列を入力することができ、現実的な正確さで、ビデオで書いたテキストの変換されたバリアントを埋め込むことができます。私の質問は、そのような機能に必要なアルゴリズムの種類を知っている場合、リアルタイムのテキストと画像をビデオストリームにプログラムで埋め込むにはどうすればよいですか? 詳細を調べる必要がある研究論文や図書館はありますか?
PS。ビデオの内容で私を非難しないでください。私が興味を持っているのはプログラミング手法です。ビデオは私が見つけた最良の例です。
これは拡張現実と呼ばれ、artoolkit http://www.hitl.washington.edu/artoolkit/など、そのために利用できるライブラリやツールキットが多数あり ます。
これを行うには、フレームがレンダリングされる前にフレームをインターシードする必要があります。
基本的：
これを行うアルゴリズムは実際にはありません。
さて、私は実際にあなたの例を見ました。これは事前に録画されたビデオであるため、ボックスの 4 つのコーナーをターゲット サーフェスに手でトレースしただけである可能性があります。次に、レンダリングするには、テキストの透視変換をターゲットの四角形に行うだけです。それをブレンドすることは、おそらく、適切な色、レイヤー、色の変換、および透明度を選択する技術にすぎませんでした。ここでは特に魔法はなく、標準的な Photoshop スタイルのグラフィック アルゴリズムであり、そのほとんどはおそらくフラッシュに組み込まれているだけです。