論文の概要: A Robust Method for Image Stitching
- arxiv url: http://arxiv.org/abs/2004.03860v3
- Date: Wed, 28 Jul 2021 04:52:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 09:29:45.110541
- Title: A Robust Method for Image Stitching
- Title（参考訳）: 画像縫合のためのロバストな方法
- Authors: Matti Pellikka and Valtteri Lahtinen
- Abstract要約: 画像中の繰り返しパターンや特徴のない領域に対して頑健な大規模画像縫合法を提案する。
提案手法は,有効な画像登録候補を全て集めることにより,現在の手法を強化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel method for large-scale image stitching that is robust
against repetitive patterns and featureless regions in the imagery. In such
cases, state-of-the-art image stitching methods easily produce image alignment
artifacts, since they may produce false pairwise image registrations that are
in conflict within the global connectivity graph. Our method augments the
current methods by collecting all the plausible pairwise image registration
candidates, among which globally consistent candidates are chosen. This enables
the stitching process to determine the correct pairwise registrations by
utilizing all the available information from the whole imagery, such as
unambiguous registrations outside the repeating pattern and featureless
regions. We formalize the method as a weighted multigraph whose nodes represent
the individual image transformations from the composite image, and whose sets
of multiple edges between two nodes represent all the plausible transformations
between the pixel coordinates of the two images. The edge weights represent the
plausibility of the transformations. The image transformations and the edge
weights are solved from a non-linear minimization problem with linear
constraints, for which a projection method is used. As an example, we apply the
method in a large-scale scanning application where the transformations are
primarily translations with only slight rotation and scaling component. Despite
these simplifications, the state-of-the-art methods do not produce adequate
results in such applications, since the image overlap is small, which can be
featureless or repetitive, and misalignment artifacts and their concealment are
unacceptable.
- Abstract（参考訳）: 本稿では,画像の繰り返しパターンや特徴のない領域に対して頑健な大規模画像ステッチング手法を提案する。
このような場合、最先端画像縫合法は、グローバル接続グラフ内で矛盾している偽ペア画像登録を生成するため、画像アライメントアーティファクトを容易に生成する。
提案手法は,一貫した候補が一貫した画像登録候補を選択することで,現在の手法を強化する。
これにより、繰り返しパターン外のあいまいな登録や特徴のない領域など、画像全体から利用可能な情報をすべて活用して、縫い合わせ工程で正しいペアワイズ登録を決定することができる。
合成画像から個々の画像変換をノードが表現し、2つのノード間の複数のエッジの集合が2つの画像の画素座標間の可塑性変換を全て表現する重み付き多重グラフとして定式化する。
辺の重みは変換の可算性を表す。
画像変換とエッジ重みは線形制約のある非線形最小化問題から解かれ、投影法が用いられる。
例として,本手法を大規模走査アプリケーションに適用し,変換は主にわずかな回転とスケーリングのみの変換であることを示す。
これらの単純化にもかかわらず、最先端の手法は、画像の重複が小さく、機能的にも繰り返しにもなり得るため、そのようなアプリケーションでは十分な結果を出さない。
関連論文リスト
- Rasterized Edge Gradients: Handling Discontinuities Differentiably [25.85191317712521]
近似を描画する不連続点の勾配を計算するための新しい手法を提案する。
本手法は, 慎重に設計した近似戦略により, 従来の複雑な問題をエレガントに単純化する。
我々は,人間の頭部のシーン再構成において,カメラ画像とセグメンテーションマスクのハンドリングを実演する。
論文 参考訳（メタデータ） (2024-05-03T22:42:00Z) - RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳（メタデータ） (2024-03-28T06:22:45Z) - Learning Accurate Template Matching with Differentiable Coarse-to-Fine
Correspondence Refinement [28.00275083733545]
本稿では, 精度の高いテンプレートマッチング手法を提案する。
変圧器によって提供される新規な構造認識情報に基づいて、粗い対応を用いて初期ワープを推定する。
提案手法は最先端の手法やベースラインよりも大幅に優れており,実データにおいても,優れた一般化能力と視覚的検証が可能な結果が得られる。
論文 参考訳（メタデータ） (2023-03-15T08:24:10Z) - Smooth image-to-image translations with latent space interpolations [64.8170758294427]
マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。
我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
論文 参考訳（メタデータ） (2022-10-03T11:57:30Z) - Automatic Registration of Images with Inconsistent Content Through
Line-Support Region Segmentation and Geometrical Outlier Removal [17.90609572352273]
本稿では,線支持領域分割と幾何外乱除去(ALRS-GOR)による自動画像登録手法を提案する。
アフィン変形と矛盾した内容を含む画像の登録に関する問題に対処するように設計されている。
提案手法の評価には,アフィン変形を模擬した空中画像など,様々な画像セットが検討されている。
論文 参考訳（メタデータ） (2022-04-02T10:47:16Z) - A training-free recursive multiresolution framework for diffeomorphic
deformable image registration [6.929709872589039]
変形可能な画像登録のための新しい微分型学習自由アプローチを提案する。
提案するアーキテクチャは設計上は単純で,各解像度で移動像を順次ワープし,最終的に固定像に整列する。
システム全体はエンドツーエンドで、スクラッチから各2つのイメージに最適化されている。
論文 参考訳（メタデータ） (2022-02-01T15:17:17Z) - Dual-Flow Transformation Network for Deformable Image Registration with
Region Consistency Constraint [95.30864269428808]
現在のディープラーニング(DL)ベースの画像登録アプローチは、畳み込みニューラルネットワークを利用して、ある画像から別の画像への空間変換を学習する。
一対のイメージ内のROIの類似性を最大化する領域整合性制約を持つ新しいデュアルフロー変換ネットワークを提案する。
4つの公開3次元MRIデータセットを用いた実験により,提案手法は精度と一般化において最高の登録性能が得られることを示した。
論文 参考訳（メタデータ） (2021-12-04T05:30:44Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - Image Matching with Scale Adjustment [57.18604132027697]
可変スケールでの関心点の表現と抽出方法を示す。
2つの異なる解像度で2つの画像を比較する方法を提案する。
論文 参考訳（メタデータ） (2020-12-10T11:03:25Z) - Transformation Consistency Regularization- A Semi-Supervised Paradigm
for Image-to-Image Translation [18.870983535180457]
本稿では,画像から画像への変換において,より困難な状況に陥るトランスフォーメーション一貫性の規則化を提案する。
我々は,画像の着色,分解,超解像の3つの異なる応用に対して,アルゴリズムの有効性を評価する。
提案手法はデータ効率が著しく向上し,画像再構成を行うにはラベル付きサンプルの約10～20%しか必要としない。
論文 参考訳（メタデータ） (2020-07-15T17:41:35Z) - Image-to-image Mapping with Many Domains by Sparse Attribute Transfer [71.28847881318013]
教師なし画像と画像の変換は、2つの領域間の一対のマッピングを、ポイント間の既知のペアワイズ対応なしで学習することで構成される。
現在の慣例は、サイクル一貫性のあるGANでこのタスクにアプローチすることです。
そこで本研究では,ジェネレータを直接,潜在層における単純なスパース変換に制限する代替手法を提案する。
論文 参考訳（メタデータ） (2020-06-23T19:52:23Z)
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。