本文针对图像拼接过程中目标被裁剪、遗漏或复制而导致的错误进行研究，提出一种基于目标检测的算法来解决这个问题，并将其用于修改拼接过程中的能量函数，从而获得更加逼真和鲁棒的拼接结果。同时，该方法还可以用于检测输入数据中不可恢复的遮挡，并提出了一种简单的评估指标来评估图像拼接算法的输出结果。

Nov, 2020

该研究论文提出了一种独特且综合的图像拼接流程，利用 OpenCV 的拼接模块，通过集成基于特征匹配、变换估计和融合技术，实现了无论图像间的光照、尺度或方向差异如何，都能产生顶级质量的全景视图，并在多种数据集上进行测试，发现其在增强场景理解和找到实际应用方面非常有效。

Dec, 2023

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

本文提出了一个实时系统，将多个视频序列拼接成全景视频，该系统基于 GPU 加速的颜色校正和帧变换，无需准确的相机参数。我们扩展了传统的 2D-Matrix (2D-M) 颜色校正方法和一种基于时空 3D-Matrix (3D-M) 的颜色校正方法进行局部区域的重叠处颜色平衡，并使用粗糙相机标定给出的成对单应矩阵进行全局变形，然后根据光流进行准确的局部变形。实验结果表明，我们的系统能够实时生成高质量的全景视频。

Aug, 2023

本文提出了一种同时解决多光谱分割和立体匹配的方法，通过使用多光谱相机以提供多样的数据、使用迭代过程估计另一个问题的标签结果、使用能量函数进行处理以及使用高阶项来提高时间上的一致性。

Sep, 2018

我们提出了一种结合传统图像处理方法和深度学习的更强的鱼眼图像拼接算法，通过 Attention-based Nonlinear Activation Free Network（ANAFNet）对鱼眼图像进行校正并采用 ORB-FREAK-GMS（OFG）综合图像匹配算法提高图像配准的准确性，实验结果证明我们的方法可以获得质量更高的鱼眼图像拼接。

Jul, 2023

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

通过将融合和矩形化阶段结合成一个复合模型，我们提出了一种简单和鲁棒的无需训练的图像拼接方法（SRStitcher），该方法不仅简化了图像拼接流程，而且增强了对误注册错误的容错能力。

Apr, 2024

本文提出一种可扩展的结构运动问题（SfM）求解方法，通过引入相机聚类算法将大型 SfM 问题划分为具有重叠的相机簇的子问题，并将局部增量 SfM 的相对位置应用到全局运动平均框架中以产生准确且一致的全局相机位姿。我们能够重建含有超过一百万张高分辨率图像的城市级数据集的相机位姿，在基准、Internet 和序列数据集上表现出卓越的准确性和鲁棒性。

Feb, 2017

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