快速双边求解器
采用新的神经网络结构实现移动图像处理,使用对输入 / 输出图像成对的训练集,预测局部仿射模型的系数,使用新的切片节点对上采样的变换进行边缘保持,对高分辨率图像在智能手机上进行毫秒级的处理,并在大类图像操作中匹配最先进的逼近技术质量。
Jul, 2017
本文针对高斯双边滤波器直接实现在实践中运行缓慢,提出了一种高斯双边滤波器的近似算法,此算法每个像素点的操作次数可减少到 O(1),而且其滤波效果与直接实现的结果几乎没有差异。在实验中,我们证明了该近似算法的速度和精度与现有的快速算法相当。
May, 2016
这篇论文研究了双目匹配网络的实时性能,提出了一种基于 Edge-preserving Cost Volume Upsampling Module 的方法,在不影响准确度的情况下可将计算速度提高数倍,并通过 KITTI 双目数据集实验证明了该模型的优越性。
Jan, 2021
本文提出了一种精确的逼近算法,用于将高斯双边过滤器的计算复杂度从 O(σ^2)降低到 O(1)每个像素点,并基于一系列空间高斯滤波器实现其全局算法。
May, 2015
该研究提出了一种新的最小解算器系统性生成方法,通过消除不出现在线性方程的未知数并通过升级实现线性化对完全非线性问题问题的求解,我们成功地提出了三个部分标定相机相对姿态计算问题的更有效解决方案,同时还发现了部分标定相机的基础矩阵的新约束关系。
Mar, 2017
提出了 StereoNet,这是第一个端到端实时立体匹配的深度学习架构,在 NVidia Titan X 上以 60fps 运行,产生高质量,边缘保留且无量化的视差图。 该网络具有超像素匹配精度的关键洞见,比传统立体匹配方法高一个数量级,通过使用低分辨率代价体编码所需的所有信息,从而实现实时性。采用学习的边缘感知上采样函数实现空间精度,并使用 Siamese 网络从左右图像提取特征。在非常低的分辨率代价体中计算视差的初步估计,然后模型通过使用紧凑的像素到像素细化网络的学习上采样函数分层地重新引入高频细节。利用颜色输入作为指南,该函数能够产生高质量的边缘感知输出,并在多个基准测试中取得了显着的结果,演示了所提出的方法在可接受的计算预算下提供了极大的灵活性。
Jul, 2018
本文探讨了双边滤波器运行时间依赖于其空域核宽度的问题,提出了用 raised cosines 近似高斯范围核的方法,及其用于扩展到更广泛类别的滤波器,从而减少运行时间。
Mar, 2012
本文提出了一种简单而有效的双线性目标函数,通过引入变量来执行必要的标准化,具有角度误差的基线无关性,并且易于通过块坐标下降进行简单高效的优化,同时提出了一种旋转辅助的迭代重新加权最小二乘法来帮助处理离群点,最后证明我们的算法相对于现有技术在基准数据集上实现了全面超群的准确性,并且速度也快出数倍。
Jan, 2019
该研究提出了一种高效的盲恢复方法,利用基于梯度分布的图像模糊估计算法并结合多次应用来去除自然图像中的轻微模糊,取得了比传统和现代盲去模糊方法更好的效果,可以在现代手机上以秒为单位的时间内对 12MP 图像进行模糊校正,为应用深度超分辨率技术提供了更优的图像处理前处理。
Dec, 2020