Feb, 2017

基于线引导局部变形和全局相似性约束的图像拼接

PDF
TL;DR本篇论文提出了一种基于线特征引导的局部映射的图像拼接方法，并采用全局相似性约束来减少透视失真，实验结果表明该方法具有令人信服的拼接性能并且优于当前主流方法。
image stitchingline featureswarping methodsimilarity constraintprojective distortion
发现论文，激发创造
  • 自然图像拼接的物体级几何结构保持

    基于全局相似性先验和三角网格，本研究旨在保护图像中的整体对象级结构，同时减轻畸变和幽灵伪影。实验证明我们的方法在图像拼接方面取得了新的最先进水平。

    Feb, 2024

  • 通过分割引导的多单应性变换，实现容忍视差的图像拼接

    通过使用图像分割引导的多单应性变换，本文提出了一种新颖的图像拼接方法，解决了图像间的大视差问题，并且在公共数据集上的综合实验结果表明，相较于现有方法，我们的方法具有更高的对齐精度。

    Jun, 2024

  • 无监督深度图像拼接：重建拼接特征到图像

    本论文提出了一种基于无监督深度学习的图像拼接框架，包括无监督的粗略图像对齐和无监督的图像重建两个阶段，使用了降分辨率变形支路和提高分辨率的精化支路，其精度优于现有的其他技术。

    Jun, 2021

  • 自然图像拼接中的单视角变形

    本文提出两种自然图像拼接方法，分别是一个参数化变形与基于网格的变形，综合评估结果显示，这两种方法优于一些现有的方法，包括全息图、APAP、AutoStitch、SPHP 和 GSP。

    Feb, 2018

  • 图像拼接中的准同态变换

    本文提出了一种新型准同（quasi-homography）变形方案，通过全局相似性变形有效平衡了透视畸变和投影畸变。对于非重叠区域，该方案使全景图更自然展现。实验结果表明，相比于同源性（homography）、自动拼接（AutoStitch）和 SPHP 等算法，准同变形在城市场景中表现更优，并且在用户调查中获得了大多数用户的青睐。

    Jan, 2017

  • 视角不变的稠密匹配用于视觉地理定位

    本文提出了一种新的基于密集局部特征的图像匹配方法，名为 GeoWarp，旨在解决视觉地理定位中的视角不变性问题，并通过新的自监督损失和两种新的弱监督损失进行训练。实验证明，GeoWarp 可以提高先进检索架构的准确性。

    Sep, 2021

  • 具有极线位移场的容忍視差圖像拼接

    基于视线几何和薄板样条的新方法，用于大视差图像拼接，旨在解决局部和整体结构维持、对齐伪影和变形问题。实验结果表明该方法在拼接大视差图像中具有竞争力。

    Nov, 2023

  • 基于缝线引导的大视差图像本地对齐和拼接

    通过对接缝质量评估进行引导，我们提出了一种以局部对齐和拼接方法。实验证明，与最先进的接缝切割方法相比，我们的结果更加可信且具有较少的伪影。

    Nov, 2023

  • 面向真实世界全景图像生成的弱监督拼接网络

    提出了一种基于深度学习的缝合模型，采用弱监督学习机制训练，实现对多个鱼眼图像的 360 度输出，通过色彩一致性校正、畸变校正和图像融合实现，其训练采用感知损失和 SSIM 损失函数，在两个真实的缝合数据集上进行了有效性验证。

    Sep, 2022

  • GlueStick: 基于点线粘合的鲁棒图像匹配

    本文提出一种新的匹配模式，将点、线及其描述符统一成一个单独的框架结构，并提出 GlueStick，一种深度匹配图神经网络，以便从不同的图像中取出两个线框并利用节点之间的连接信息更好地将它们粘合在一起。我们证明了这种匹配策略可以优于当前最先进的独立匹配线段和点的方法，适用于各种数据集和任务。

    Apr, 2023