Mar, 2024

视频压缩失真对鱼眼摄像头视觉感知任务的影响

PDF
TL;DR通过分析标准视频压缩编解码器对宽视场鱼眼照片的影响，我们提出了一种径向失真感知的区域指标来评估鱼眼照片中的伪影表现，并提出了一种估计最新 VVC 编解码器仿射模式参数的新方法，同时提出了改进视频编解码器在鱼眼图像应用中的一些建议。
autonomous driving systemsdata collectionlossy video compressionfisheye camerasvideo codecs
发现论文，激发创造
  • 计算机视觉与仿真中的环绕视图鱼眼光学：调查与挑战

    本文提供了关于汽车环视鱼眼光学的调查，重点关注光学伪像对自动驾驶和 ADAS 中的计算机视觉任务的影响。通过分析不同的模拟方法，讨论了模拟器对真实光学性能的建模能力（或缺乏）以及汽车鱼眼数据集中的光学像差和模拟鱼眼数据集的限制，突出了计算机视觉和环视光学系统中光学伪像的重要性。

    Feb, 2024

  • 利用鱼眼数据中的畸变 - 语义交互

    本文提出一种方法来塑造一个鱼眼特定的表示空间，以反映这种数据模态中存在的畸变和语义上下文之间的相互作用，该方法向模型提供了关于畸变和语义上下文之间相互作用的学习方法，并应用于目标检测任务中，从而在平均精度上实现了 1.1% 的性能提升，并超过了其他现有的表征学习方法 0.6% 的 性能。

    Apr, 2023

  • 提供合成和真实的鱼眼视频序列的数据集

    本文介绍了一个包含了合成和真实鱼眼图像以及相应的校准数据和测试设置的数据集，以便能够开发和评估适用于鱼眼图像和视频的专门算法。

    Nov, 2022

  • 压缩爆照：有损图像压缩对红外图像中可变尺寸物体检测的影响

    研究应用不同级别的 JPEG 压缩方法对红外波段图像进行无损压缩，并评估不同级别压缩对于三种深度学习 CNN 架构（Cascade-RCNN、FSAF 和 Deformable DETR）在不同尺寸目标检测中的影响，结果表明对于 tiny 和 small 的目标尺寸更为敏感，使用 Cascade R-CNN 模型处理未压缩数据得到的表现最优，最大平均精确度（mAP）为 0.823，在高压缩级别下使用压缩数据重新训练模型能够显著提高模型性能。

    May, 2022

  • 机器感知质量：评估严重有损压缩对音频和图像模型的影响

    神经数据压缩中，以机器为导向的压缩方式对于机器感知任务具有可行性，并且与深度相似度度量相关，在机器感知质量的发展中扮演重要角色。

    Jan, 2024

  • 学习视频压缩的对抗畸变

    本文提出了一种新颖的深度对抗学习视频压缩模型，该模型采用一个辅助的对抗性失真目标函数，我们将该目标函数与传统的质量指标如 MS-SSIM 和 PSNR 相比较，发现该对抗目标函数更符合人类感知质量判断标准，实验结果证明该模型能够在极高的压缩率下减少感知失真和重建丢失的细节。

    Apr, 2020

  • 高视觉保真度学习视频压缩

    通过设计自信度基于的特征重建方法和周期性补偿损失，本文提出了一种新颖的高视觉保真度学习视频压缩框架 (HVFVC)，以解决学习视频压缩中的重建问题和优化缺陷，实现了出色的感知质量，并仅需占最新 VVC 标准的 50% 比特率。

    Oct, 2023

  • 有损压缩用于无损预测

    本文利用无监督目标设计神经压缩器进行图像压缩，以满足具有数据增强特征的所有预测任务的高性能，实现了大幅度节省数据率的效果，同时不会降低下游分类性能。

    Jun, 2021

  • 视觉识别模型对图像压缩是否具有鲁棒性？

    本文研究图像压缩对图像分类、目标检测及语义分割等三种视觉识别任务准确性的影响。研究采用传统编解码器及最新的神经压缩方法进行实验，探究压缩比从 0.1 到 2bpp 下的识别准确度。实验发现，在强压缩下，三个任务的识别准确度都会受到显著影响。通过在压缩的训练图像上对识别模型进行微调，可以从一定程度上恢复性能损失。

    Apr, 2023

  • 鱼眼相机畸变校正方法的全面综述

    鱼眼相机的畸变修正方法进行了综述，包括多项式畸变模型、全景映射、网格映射、直接方法和基于深度学习的方法。文章强调了每种方法的优点、限制和最新进展，以帮助读者根据自己的具体需求做出明智的决策。

    Dec, 2023