关键词perspective distortion
搜索结果 - 8
- 用莫比乌斯变换减轻表示学习中的透视失真
我们提出了一种通过对特定 Möbius 变换的精确参数控制来模拟现实世界的变形，无需估计相机内在和外在参数，也无需实际变形数据，以缓解透视畸变。此外，我们还提出了一个专用的透视畸变基准数据集 ImageNet-PD，以评估深度学习模型在该数 - 野外自觉图像中的 3D 手势姿势估计
WildHands 是一种用于在野外的视角图像中进行 3D 手势估计的方法，通过使用野外数据的辅助监督以及在实验室数据集中提供的 3D 监督，以及关于相机视野中手势位置的空间线索，能够在 ARCTIC 排行榜上实现最佳 3D 手势姿态并在 - 缓解图像剪切中透视扭曲引起的形状模糊
通过引入信息，模型可以从单幅图像中预测物体的三维形状，并且在三个不同的基准测试数据集中展示了模型的优势。
- 人像透视矫正学习
本篇论文提出了一个基于深度学习的图像纠正技术，能够有效去除近距离人像照片中透视失真等伪像，同时还能自动推断遮挡的面部特征，该方法不需要先配合三维面部模型，并且可以显著提高人脸识别和三维重建的准确度，实现单幅肖像图像的相机标定。
- ICCV从图像获取俯视图的几何方法
本文提出了一种快速、稳健的方法，利用包含地面水平线和垂直消失点等基础几何信息的单张图像进行透视矫正，并且使用合适的神经网络模型进行训练和预测，从而达到了全球最好的水平线检测性能（AUC 值为 74.52%）。该方法可以应用于实时视频透视矫正 - CVPR通过迭代图像校正的端到端场景文本识别
本文提出了一种端到端训练的场景文本识别系统，该系统可以通过迭代去除透视畸变和文本弯曲，从而驱动更好的场景文本识别性能，其中采用一种创新的矩形化网络，该网络利用一种新颖的线拟合变换来估计场景中文本行的姿态，在此基础之上，开发了一种迭代的矩形化 - CVPRV2V-PoseNet：从单深度图中准确预测三维手部和人体姿态的体素到体素预测网络
本文提出了一种基于 3D CNN 的手部和人体姿态估计方法，通过使用立方体栅格并为每个关键点估计每个体素的可能性来将问题转化为体素到体素的预测，并克服了 2D 深度图中的透视畸变和非线性映射等缺点，实现了较高的准确性和实时性
- 图像拼接中的准同态变换
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