論文の概要: Fisheye Distortion Rectification from Deep Straight Lines
- arxiv url: http://arxiv.org/abs/2003.11386v1
- Date: Wed, 25 Mar 2020 13:20:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 03:33:56.423858
- Title: Fisheye Distortion Rectification from Deep Straight Lines
- Title（参考訳）: 深い直線線からの魚眼歪みの変形
- Authors: Zhu-Cun Xue, Nan Xue, Gui-Song Xia
- Abstract要約: 本稿では,魚眼の歪み補正問題に対処するため,新しいラインアウェア整流ネットワーク(LaRecNet)を提案する。
本モデルでは,幾何的精度と画質の両面から最先端の性能を実現する。
特に、LaRecNetによって修正された画像は、基幹よりも高いピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)を達成する。
- 参考スコア（独自算出の注目度）: 34.61402494687801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel line-aware rectification network (LaRecNet) to
address the problem of fisheye distortion rectification based on the classical
observation that straight lines in 3D space should be still straight in image
planes. Specifically, the proposed LaRecNet contains three sequential modules
to (1) learn the distorted straight lines from fisheye images; (2) estimate the
distortion parameters from the learned heatmaps and the image appearance; and
(3) rectify the input images via a proposed differentiable rectification layer.
To better train and evaluate the proposed model, we create a synthetic
line-rich fisheye (SLF) dataset that contains the distortion parameters and
well-annotated distorted straight lines of fisheye images. The proposed method
enables us to simultaneously calibrate the geometric distortion parameters and
rectify fisheye images. Extensive experiments demonstrate that our model
achieves state-of-the-art performance in terms of both geometric accuracy and
image quality on several evaluation metrics. In particular, the images
rectified by LaRecNet achieve an average reprojection error of 0.33 pixels on
the SLF dataset and produce the highest peak signal-to-noise ratio (PSNR) and
structure similarity index (SSIM) compared with the groundtruth.
- Abstract（参考訳）: 本稿では,3次元空間における直線が画像平面上でも直線的であるという古典的な観察に基づいて,魚眼の歪み補正の問題に対処する新しい線認識整流ネットワーク(LaRecNet)を提案する。
提案するLaRecNetは,(1)魚眼画像から歪んだ直線を学習し,(2)学習した熱マップと画像の外観から歪みパラメータを推定し,(3)提案した識別可能な補正層を介して入力画像の修正を行う3つの逐次モジュールを含む。
提案モデルをより良く訓練し,評価するために,歪みパラメータを含む合成ラインリッチ魚眼(SLF)データセットと,魚眼画像の歪曲した直線を含む。
提案手法は,幾何歪みパラメータを同時に校正し,魚眼画像の修正を可能にする。
大規模実験により, 幾何的精度と画像品質の両面から, 本モデルが最先端性能を達成できることが実証された。
特に、LaRecNetによって修正された画像は、SLFデータセット上で平均0.33ピクセルの投影誤差を達成し、基底構造と比較して最高ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)を生成する。
関連論文リスト
- Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering [47.879695094904015]
そこで本研究では,地上ロボット軌道データセットのための新しいビューレンダリングアルゴリズムであるMode-GSを提案する。
提案手法は,既存の3次元ガウススプラッティングアルゴリズムの限界を克服する目的で,アンカー付きガウススプラッターを用いている。
提案手法は,PSNR,SSIM,LPIPSの計測値に基づいて,自由軌道パターンを持つ地上環境におけるレンダリング性能を向上する。
論文 参考訳（メタデータ） (2024-10-06T23:01:57Z) - RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。
DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。
事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。
微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
論文 参考訳（メタデータ） (2024-06-27T06:38:56Z) - NeRFDeformer: NeRF Transformation from a Single View via 3D Scene Flows [60.291277312569285]
本研究では,単一観測値に基づいてNeRF表現を自動的に修正する手法を提案する。
本手法は, 変形を3次元流れ, 特に剛性変換の重み付き線形ブレンディングとして定義する。
また,単一観測によるNeRFシーンの修正問題を探索するための新しいデータセットも導入した。
論文 参考訳（メタデータ） (2024-06-15T07:58:08Z) - FishRecGAN: An End to End GAN Based Network for Fisheye Rectification
and Calibration [21.816020192280977]
本研究では,魚眼画像の修正とカメラのキャリブレーションと歪みパラメータの同時調整を行うエンド・ツー・エンドのディープラーニング手法を提案する。
提案手法はPSNR値が22.343の高分解能で頑健な性能を実現している。
論文 参考訳（メタデータ） (2023-05-09T07:38:09Z) - 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment
Feedback Loop [128.07841893637337]
回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。
パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。
本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
論文 参考訳（メタデータ） (2021-03-30T17:07:49Z) - SIR: Self-supervised Image Rectification via Seeing the Same Scene from
Multiple Different Lenses [82.56853587380168]
本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。
我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。
本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
論文 参考訳（メタデータ） (2020-11-30T08:23:25Z) - A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。
本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。
歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文 参考訳（メタデータ） (2020-07-21T10:03:42Z) - UnRectDepthNet: Self-Supervised Monocular Depth Estimation using a
Generic Framework for Handling Common Camera Distortion Models [8.484676769284578]
本研究では,未修正単眼ビデオから深度,ユークリッド距離,および視覚計測を推定するための,汎用的な規模対応型自己教師パイプラインを提案する。
提案アルゴリズムは,KITTI修正データセットでさらに評価され,最先端の結果が得られた。
論文 参考訳（メタデータ） (2020-07-13T20:35:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。