2. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Содержание
Введение
Анизотропный подход
Обновление Mean-shift
Ускорение Mean-shift
Заключение
2
3. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Почему Mean-shift?
Распространенный
Простая идея
Простая реализация
Относительно невысокая вычислительная
сложность
Возможность комбинировать с другими
методами
Главный недостаток – необходимость
подбирать параметры
3
4. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
4
5. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
5
6. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
6
7. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
7
8. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
8
9. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
9
10. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Введение
Mean-shift Segmentation
S. Paris, “Edge-preserving Smoothing and Mean-shift
Segmentation of Video Streams”, ECCV, 2008
10
11. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Mean-shift
Уменьшение сложности
Можно хранить в памяти, какие точки соседние
Comaniciu, Meer, “Mean Shift: A Robust Approach Toward
Feature Space Analysis”, IEEE PAMI, 2002
11
12. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Mean-shift
Выбор функции ядра
Выбор функции ядра (форма, размер) –
критичная задача
Ядро задает сходство точек, которые нужно
поместить в один сегмент
12
13. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Содержание
Введение
Анизотропный подход
Обновление Mean-shift
Ускорение Mean-shift
Заключение
13
14. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Выбор ядра
Ядро нужно выбирать несимметричным
14Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
15. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Выбор ядра
15Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
16. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Выбор ядра
Размер цветового ядра зависит
от размеров матрицы .
определяется локальной структурой
видео (скалярная / диагональная /
симметричная).
17Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
17. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Выбор ядра
Выбор окрестности
Матрица сначала выбирается
скалярной, затем постепенно уточняется
Уточнение
18Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
18. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Уточнение пространственной матрицы
Новая матрица :
– скаляр
– матрица нормализованных собственных
векторов
– диагональная матрица собственных
значений
19Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
19. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Уточнение пространственной матрицы
Новая матрица :
– общий объем пространственно-временной
окрестности
– ориентация ядра в пространстве
– относительная длина осей эллипса
20Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
20. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Уточнение пространственной матрицы
Выделение тонких объектов
Большие сегменты для статичных объектов
– компонент наибольшего собственного
вектора ( )
= 0.25
Пересчитываем
21Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
21. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Уточнение цветовых параметров
Если ядро сильно вытянуто, цвет в нем
меняется сильнее
Сохранение устойчивости по цвету
22Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
22. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Общая схема (1/3)
1. Инициализация
Перевод данных в пространство feature points
(5D/6D)
Задание начальных значений и
23Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
23. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Общая схема (2/3)
2. Вычисление анизотропного ядра
Соседние пиксели
Обновление матрицы
Модификация матрицы и с помощью
разложения
24Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
24. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Общая схема (3/3)
3. Провести несколько итераций вычисления
анизотропного ядра
4. Запустить стандартную процедуру
Mean-shift
5. Объединить пиксели с одинаковыми
конечными точками траектории
в сегменты
6. Удалить малые сегменты (опционально)
25Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
25. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Устойчивость относительно параметров
Фиксирован
начальный размер
ядра по цвету
Размер
пространственного
ядра варьируется
26Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
26. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты сегментации
Пример использования сегментации
27Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
27. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты сегментации
2D симметричная
28Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
28. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты сегментации
3D симметричная
29Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
29. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты сегментации
3D анизотропная
30Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
30. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Временная согласованность
3D симметричная сегментация
31Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
31. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Временная согласованность
3D анизотропная сегментация
32Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
32. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Еще результаты
Исходный кадр
33Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
33. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Еще результаты
Симметричная сегментация
34Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
34. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Еще результаты
Анизотропная сегментация
35Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
35. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Anisotropic Mean-shift
Выводы
Достоинства
Простая реализация
Более устойчив к выбору входных параметров
(относительно исходного алгоритма)
Возможно параллельное вычисление
Недостатки
Вычислительная сложность
Нужно выбирать начальные параметры
Нужно сегментировать сразу набор кадров
Не используется оценка движения
36Wang et al., “Image and Video Segmentation by Anisotropic
Kernel Mean Shift”, ECCV, 2004
36. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Содержание
Введение
Анизотропный подход
Обновление Mean-shift
Ускорение Mean-shift
Заключение
37
37. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Базовый алгоритм – Mean-shift
Сегментация в пространстве
Идея: разбить пространство
на неперекрывающиеся регионы
38Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
38. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Начальный этап
Сегментация по методу водораздела (watershed)
по L компоненте (цветовое пространство Luv)
Начальная сегментация Mean-shift
39Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
39. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Выбор ядра
Epanechnikov kernel
Gaussian kernel
40Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
40. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Основной режим
Обновление пространства
Запускаем Mean-shift только для добавленных
точек пространства (неточное соответствие)
41Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
41. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Скорость
Реализация: С++
Процессор: AMD Athlon64 X2 Dual Core 4400+
Видео: Tennis 352 × 240
Начальный этап 18.6 fps
Основной этап 18.7 fps
42Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
42. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 18)
43Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
43. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 18)
44Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
44. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 42)
45Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
45. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 42)
46Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
46. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 69)
47Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
47. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (кадр 69)
48Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
48. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (MissAmerica, кадр 35)
49Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
49. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Результаты (MissAmerica, кадр 35)
50Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
50. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обновление Mean-shift
Выводы
Достоинства
Простота реализации
Скорость
Недостатки
Непонятен выбор параметров
Невнятные результаты
Нет исходников
Не используется компенсация движения
51Petrovic et al. “Efficient Video Segmentation Using Temporally
Updated Mean Shift Clustering”, App. of Digital Image Proc. 2008
51. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Содержание
Введение
Анизотропный подход
Обновление Mean-shift
Ускорение Mean-shift
Заключение
52
52. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Введение
Обработка в реальном времени без задержки
(нет информации со следующих кадров)
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
53
53. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Переход к плотности распределения
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
54
54. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Переход к плотности распределения
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
55
55. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Обработка одного изображения
Пользуемся тем, что ядро Гаусса сепарабельно
Сортируем точки по плотности распределения
(нужно найти максимумы)
Рассматриваем в порядке убывания
Рассматриваем наличие максимумов (меток)
в окрестности
нет максимумов – создаем метку
одна – копируем
много – помечаем как граничную точку
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
56
56. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Обработка видео
Предыдущий кадр обработан
Рассматриваем пространство (x, y, t, I)
x, y – координаты
t – время (0 или 1)
I – интенсивность
57Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
57. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Распространение метки
Находим локальные максимумы (как для изображений)
Для каждого локального максимума на предыдущем
кадре (метка L)
Проверяем, есть ли максимум на текущем кадре с большей
плотностью. Если есть, то по скорейшему спуску переходим и
распространяем метку L
Если на текущем кадре максимум, а на предыдущем –
максимум с большей плотностью, то далее
не учитываем этот текущий
Далее рассматриваем максимумы в окрестности
(как для изображений)
Ускорение – копировать метку для граничных точек
из ближайшего сегмента с наибольшей плотностью
58Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
58. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обработка граничных точек
Простой подход
Запускаем стандартый Mean-shift
Копируем ту метку, к которой быстрее
придём
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
59
59. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обработка граничных точек
Быстрый подход
и – максимумы
– седловая точка
Стойкость границы
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
60
60. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Обработка граничных точек
Слияние сегментов
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
61
61. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Результаты
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
62
62. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты
Исходный кадр
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
63
63. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты
4D пространство
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
64
64. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты
5D пространство
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
65
65. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты
Исходный кадр
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
66
66. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Результаты
Сравнение
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
67
67. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
68Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
68. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
69Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
69. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Скорость и потребление памяти
Обработка видео
640x360 grayscale
Реализация: C++, GCC
4.0.1
Процессор: Intel Xeon
3GHz
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
70
Обработка
изображения
8 megapixel
Размер ядра: 64
пикселя
Процессор: AMD
Opteron 2.6GHz, 1MB of
cache
70. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Ускорение Mean-shift
Выводы
Достоинства
Простота
Скорость
Частично доступны исходники (С++)
Можно улучшить
Недостатки
Нужно подбирать параметры
Не понятны некоторые моменты реализации
Используется только один предыдущий кадр
Paris, “Edge-preserving Smoothing and Mean-shift Segmentation
of Video Streams”, ECCV, 2008
71
71. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Содержание
Введение
Анизотропный подход
Обновление Mean-shift
Ускорение Mean-shift
Заключение
72
72. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Заключение
Основные идеи:
Взять за основу ускоренный вариант,
основанный на поиске максимумов плотности
Подключить ME
Разобраться с параметрами ядра
Попробовать использовать анизотропное ядро
Попробовать подключить пред-сегментацию
73
73. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Литература
1. S. Paris, ″Edge-preserving Smoothing and Mean-shift Segmentation of
Video Streams″, Processing of the European Conference on Computer
Vision (ECCV), 2008.
2. N. Petrovic, LJ. Jovanov, A. Pižurica, W. Philips, ″Efficient Video
Segmentation Using Temporally Updated Mean Shift Clustering″, in
Proc. SPIE Conf. on Applications of Digital Image Processing XXXI,
2008, Aug 11-14, San Diego, CA, vol. 7073, pp 70731R-1 - 70731R-
10.
3. D. Comaniciu, P. Meer, ″Mean Shift: A Robust Approach Toward
Feature Space Analysis″, IEEE Transactions on Pattern Analysis and
Machine Intelligence, Volume 24, Issue 5, May 2002.
4. J. Wang, B. Thiesson, Y. Xu, and M. Cohen, ″Image and Video
Segmentation by Anisotropic Kernel Mean Shift″, Computer Vision -
ECCV 2004.
74
74. CS MSU Graphics & Media Lab (Video Group)
www.compression.ru/video/
Only for
Maxus
Лаборатория компьютерной
графики и мультимедиа
Видеогруппа — это:
Выпускники в аспирантурах Англии,
Франции, Швейцарии (в России в МГУ и
ИПМ им. Келдыша)
Выпускниками защищено 5 диссертаций
Наиболее популярные в мире сравнения
видеокодеков
Более 3 миллионов скачанных фильтров
обработки видео
75