Mar, 2016

条件 Lucas&Kanade 算法

PDF
TL;DR通过直接学习线性模型预测外观的几何位移，以及采用新的策略来确保生成像素独立性的前提下，我们提出了一种新方法：条件 LK 算法。我们展示了我们的方法比经典的 LK 算法更具优越性能，并展示了与最先进的方法相当的性能，例如具有极少的训练示例的受监督下降方法，以及在不重新训练的情况下 “交换” 几何变形函数的独特能力。从理论上讲，我们的方法提示了当前最先进的对准方法中可能存在的冗余，这些冗余可能在未来的视觉系统中得到利用。
lucas & kanade algorithmconditional lk algorithmimage alignmentgeometric displacementvision systems
发现论文，激发创造
  • 深度 Lucas-Kanade 同态变换实现多模态图像对齐

    通过深度 Lucas-Kanade 特征映射 (DLKFM) 实现像素级别对齐多模态图像对，对于具有不同外观变化的图像对的对齐，具有较高的容忍度。

    Apr, 2021

  • PRISE: 强烈星凸约束下的深度 Lucas-Kanade 算法用于多模型图像对齐

    介绍了一种新颖的 PRISE 算法，通过引入强的星凸约束来解决 LK 法在大畸变图像配准时的优化问题，该算法使用神经网络近似学习地面真值周围的星凸损失，并基于高维空间定义的网络降低 LK 法收敛到地面真值的误差。

    Mar, 2023

  • 高效的自适应物体跟踪的深度 LK

    本论文提出了一种名为 Deep-LK 的新方法，采用基于回归的物体跟踪，重点关注 siamese 回归网络和 IC-LK 算法之间的关系以及 Deep-LK 相对于 GOTURN 的性能提升。研究结果表明，Deep-LK 的跟踪性能相当于当前最先进的深度跟踪器，而计算效率则提高了一个数量级。

    May, 2017

  • 无人机采集的可见光和红外图像对的深度图像对齐

    本论文提出了一种基于深度学习的多模态图像对齐解决方案，通过使用卷积神经网络的特征嵌入模块，实现了无需使用基于 Lucas-Kanade (LK) 方法即可取得与最先进方法相媲美的结果。我们的方法在四个航拍数据集上进行了测试，与现有的最新深度 LK 架构相比，取得了最先进的结果。

    Feb, 2024

  • 通过条件图像生成进行无监督物体地标学习

    提出了一种无需手动监督来学习视觉对象（例如面部中的眼睛和鼻子）的地标探测器的方法，通过几何提取过程中引入的紧密瓶颈，结合外观和几何来生成图片，该方法适用于多种数据集，包括人脸、人物、3D 对象和数字，同时在无监督地标检测方面优于现有最先进的技术。

    Jun, 2018

  • PointNetLK: 使用 PointNet 实现鲁棒高效的点云配准

    本文提出了一种基于 Lucas & Kanade (LK) 算法的 PointNet 学习可变成像函数的方法，以便将其应用于点云配准问题，并且构建了一个单可训练的递归深度神经网络，提高了点云配准的计算效率以及推广到不同形状类别中的性能表现。

    Mar, 2019

  • 图像反问题的约束优化表达式的增广 Lagrangian 方法

    本文提出一种有效的算法来解决图像恢复应用中的约束问题，包括去卷积和从压缩观测中重建图像，使用总变差或小波（或更一般的框架）正则化。该算法属于增广 Lagrange 方法的范畴，并表现出在一定条件下具有收敛性。本文的结果表明，所提出的算法在图像恢复领域中具有最先进的技术水平。

    Dec, 2009

  • 三维形态一致化：野外三维感知图像对齐

    我们提出了 3D Congealing 方法，这是一个新颖的问题，即对于捕捉到语义相似物体的 2D 图像进行 3D 感知对齐。我们的目标是将输入图像中的共享语义部分与 2D 图像中的知识聚合到共享的 3D 规范空间中，通过一个不依赖于形状模板、姿态或任何相机参数的通用框架来完成此任务。该框架的核心是一个将几何和语义信息封装在内的规范 3D 表示。优化过程结合了每个输入图像的规范表示和姿态，以及将 2D 像素坐标映射到 3D 规范框架以解决形状匹配的位置坐标映射。优化过程融合了来自预训练图像生成模型的先验知识和来自输入图像的语义信息。前者在这个限制条件下为任务提供了强大的知识引导，而后者则提供了减轻预训练模型中训练数据偏差所需的信息。我们的框架可用于各种任务，如对应匹配、姿态估计和图像编辑，在具有挑战性的光照条件下以及在野外在线图像集合中取得了优异的结果。

    Apr, 2024

  • 密集三维人脸对应

    该研究论文提出了一种算法，通过自动检测的稀疏对应点并通过匹配三角形边缘处的表面曲率的显著点迭代地三角化已有的对应点并扩展它们来自动建立大量三维人脸之间的密集对应，同时构建了一种可变形模型用于未见过人脸的变形拟合，经过广泛的数据评估表明，该算法在合成数据和实际人脸上都达到了较高的稳健性和精度。

    Oct, 2014

  • 基于核对齐的线性判别分析

    本文提出了基于核对齐理论的线性判别分析新公式 kaLDA，并使用 Stiefel 流形梯度下降算法，对多种单标签和多标签数据集的实验结果表明，kaLDA 有良好的性能表现。

    Oct, 2016