ECCVNov, 2020

基于目标的图像拼接

PDF
TL;DR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。
image stitchingregistrationseam findingobject detectionenergy function
发现论文，激发创造
  • 多重配准的稳健图像拼接

    该论文提出了一种改进的全景图创建算法，采用多重图像配准的方法，提高了深度差异和物体运动场景下的图像拼接的精度，实验结果表明该算法在存在较大运动或视差时能够生成明显更好的全景图。

    Nov, 2020

  • 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

  • 提高场景理解能力的鲁棒多模态图像拼接

    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

  • 深度矩形图像拼接：一种学习基础线

    本文提出了第一个基于深度学习的图像矩形化解决方案，使用预设的刚性目标网格和全卷积网络进行初始网格的预测，并提出了一个全面的目标函数以同时提高边界矩形化、网格形状保持和内容自然性，实验结果表明本方案在数量和质量上均优于传统方法。

    Mar, 2022

  • 图像拼接流程简化：将融合和矩形化集成为统一模型

    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

  • 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

  • 基于特征和像素的新颖 OCT 镶嵌管线

    本文提出了一种多视图 OCT/OCTA 面投影图像拼接的通用流程，通过结合基于学习的特征匹配和健壮的基于像素的配准方法，有效地对齐多个图像。此外，我们还将基于训练的基础模型 Segment Anything Model (SAM) 的应用推进到了无监督方式验证拼接结果。通过对内部数据集和大型公共数据集的验证，我们的方法在准确性和计算效率方面都显示出优越的性能。同时，我们提供了图像拼接的评估工具和相应的流程公开下载。

    Nov, 2023

  • 朝向鲁棒图像拼接：一种适应性抵抗兼容攻击的学习方法

    该论文首次尝试改进图像拼接算法对抗攻击的鲁棒性，通过引入针对特征匹配过程的拼接导向攻击（SoA），深入研究鲁棒性，开发了自适应对抗训练（AAT）来平衡攻击抵抗力和拼接精度。全面评估真实和合成数据集验证了 SoA 对拼接性能的损害，而 AAT 则成为更强大的解决方案对抗对抗扰动并提供卓越的拼接结果。

    Feb, 2024

  • 隐形缝合：使用深度修复生成平滑的 3D 场景

    基于 2D 生成扩散模型的进展，我们在三维场景生成领域做出两个基本贡献：首先，通过引入新型深度完成模型学习三维融合过程，提高场景的几何一致性；其次，基于真实几何关系引入新的场景生成方法基准系统，用于评估场景结构的质量。

    Apr, 2024