May, 2024

快速随机图像拼接的局部顶峰尺度不变特征变换

PDF
TL;DR通过结合局部极值尺度不变特征变换（LP-SIFT）算法和 RANSAC 算法，在图像拼接中实现了极大的速度提升，可以在 158.94 秒内拼接九张 2600*1600 像素的大图片，并且适用于地形绘制、生物分析和刑事调查等多种领域。
image stitchingcomputational photographyfast feature point detectionmultiscale local peaksscale-invariant feature transform
发现论文，激发创造
  • 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

  • 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

  • LIFT：学习不变特征变换

    介绍一种新颖的深度网络架构，实现了完整的特征点处理流程，包括检测、方向估计和特征描述，并展示了其在多个基准数据集上超过现有方法的性能表现，同时不需要重新训练。

    Mar, 2016

  • 增强和融合特征重建的隐式神经图像拼接

    提出一种新颖方法 —— 隐式神经图像拼接（NIS），通过估计图像的傅里叶系数进行质量增强的扭曲，以解决现有图像拼接方法中的模糊伪影和不同的光照、深度等差异问题，进而在保留高频细节的同时实现快速图像增强。

    Sep, 2023

  • 基于 Patch 拼接的点云快速准确法向估计

    本文提出一种基于多补丁拼接的有效法线估计方法。通过使用局部特征聚合和多支平面专家模块等创新手段，实现在降低计算成本和提高鲁棒性的同时，取得了极具竞争力的效果。

    Mar, 2021

  • 局部特征几何的多视角优化

    本研究提出了一种基于多视图三角化和非线性最小二乘的方法来优化局部图像特征的定位精度，实验证明该方法能够提高手工制作和学习的局部特征的三角化和相机定位性能。

    Mar, 2020

  • 单图像深度预测使特征匹配更易

    本论文提出了一种有效提取局部特征的方法，使用基于 CNN 的深度图像，对图像进行预处理和透视校正，以增强 SIFT 和 BRISK 特征的匹配，从而提高 3D 重新定位和多视角重建的鲁棒性。

    Aug, 2020

  • 基于特征度量细化的像素完美式结构运动恢复

    本文通过直接对多个视图中的低级图像信息进行对齐以提高结构运动两个关键步骤的精度，该方法通过采用神经网络预测的密集特征来优化特征度量误差从而提高了相机姿态和场景几何的准确性。

    Aug, 2021

  • 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

  • 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