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
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
学习为基础的弹性扭曲的潮流趋势使得深度图像拼接能够对曝光差异较大的图像进行对齐。然而,这些方法在处理重叠区域和非重叠区域之间的间断时存在困难,因为应用的训练策略主要关注重叠区域的对齐,所以需要额外的模块来隐藏间断并填充空洞。本文提出了一种使用 Dirichlet 边界条件并通过残差学习进行循环误差校正的循环弹性扭曲(REwarp)方法,用于解决这个问题。具体而言,REwarp 根据边界约束预测出一个单应性变换和一个 Thin-plate Spline(TPS),用于实现无间断和无空洞的图像拼接。我们的实验证明了 REwarp 与现有拼接方法相比具有有利的对齐效果和竞争性的计算成本。我们的源代码可以在此 https 网址上获得。
Sep, 2023
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。
Feb, 2017
本文提出了一种新的微分单应矩阵,能够在滚动快门摄像机中考虑不同的扫描线相机姿态,并演示其在进行 RS 感知的图像拼接和矫正方面的实际应用。
Aug, 2020
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
本文提出了一种广角摄像阵列的稳定视频拼接算法,将拼接问题转化为学习一个平滑的空间插值以及介绍了一种快速推扫插值层和一种新颖的推扫拼接网络,并证明该方法的性能显著优于现有技术,具有虚拟现实、沉浸式远程交互、自动驾驶和视频监控等领域的广泛应用。
Jul, 2019
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