論文の概要: Rethinking Generic Camera Models for Deep Single Image Camera
Calibration to Recover Rotation and Fisheye Distortion
- arxiv url: http://arxiv.org/abs/2111.12927v1
- Date: Thu, 25 Nov 2021 05:58:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-04 21:44:35.039484
- Title: Rethinking Generic Camera Models for Deep Single Image Camera
Calibration to Recover Rotation and Fisheye Distortion
- Title（参考訳）: 深部画像カメラキャリブレーションのためのジェネリックカメラモデルの再考 : 回転と魚眼歪みの復元
- Authors: Nobuhiko Wakai, Satoshi Sato, Yasunori Ishii, Takayoshi Yamashita
- Abstract要約: 本稿では,様々な歪みに対処可能な汎用カメラモデルを提案する。
提案手法は,市販の魚眼カメラで撮影した2つの大規模データセットと画像に対して,従来の手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 8.877834897951578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although recent learning-based calibration methods can predict extrinsic and
intrinsic camera parameters from a single image, the accuracy of these methods
is degraded in fisheye images. This degradation is caused by mismatching
between the actual projection and expected projection. To address this problem,
we propose a generic camera model that has the potential to address various
types of distortion. Our generic camera model is utilized for learning-based
methods through a closed-form numerical calculation of the camera projection.
Simultaneously to recover rotation and fisheye distortion, we propose a
learning-based calibration method that uses the camera model. Furthermore, we
propose a loss function that alleviates the bias of the magnitude of errors for
four extrinsic and intrinsic camera parameters. Extensive experiments
demonstrated that our proposed method outperformed conventional methods on two
largescale datasets and images captured by off-the-shelf fisheye cameras.
Moreover, we are the first researchers to analyze the performance of
learning-based methods using various types of projection for off-the-shelf
cameras.
- Abstract（参考訳）: 近年の学習に基づくキャリブレーション手法では, 一つの画像から外生・内生カメラパラメータを推定できるが, 魚眼画像では精度が低下する。
この劣化は、実際の投影と期待投影のミスマッチによって引き起こされる。
この問題に対処するために,様々な種類の歪みに対処可能な汎用カメラモデルを提案する。
汎用カメラモデルは, カメラプロジェクションのクローズドフォーム数値計算により, 学習に基づく手法に活用する。
回転と魚眼の歪みを同時に回復するために,カメラモデルを用いた学習に基づくキャリブレーション手法を提案する。
さらに,外因性カメラパラメータと内因性カメラパラメータの誤差の大きさの偏りを緩和する損失関数を提案する。
大規模実験により,本手法は2つの大規模データセットと市販魚眼カメラで撮影された画像の従来の手法を上回った。
また,本研究では,市販カメラの様々な投影方式を用いて学習法の性能を初めて解析した。
関連論文リスト
- 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) - Learning Robust Multi-Scale Representation for Neural Radiance Fields
from Unposed Images [65.41966114373373]
コンピュータビジョンにおけるニューラルイメージベースのレンダリング問題に対する改善された解決策を提案する。
提案手法は,テスト時に新たな視点からシーンのリアルなイメージを合成することができる。
論文 参考訳（メタデータ） (2023-11-08T08:18:23Z) - How to turn your camera into a perfect pinhole model [0.38233569758620056]
本稿では,画像からの歪みを除去する前処理ステップを含む新しいアプローチを提案する。
本手法は歪みモデルを仮定する必要がなく, 厳しい歪み画像に適用できる。
このモデルは、多くのアルゴリズムとアプリケーションの深刻なアップグレードを可能にします。
論文 参考訳（メタデータ） (2023-09-20T13:54:29Z) - Deep Learning for Camera Calibration and Beyond: A Survey [100.75060862015945]
カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。
近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
論文 参考訳（メタデータ） (2023-03-19T04:00:05Z) - Multi-task Learning for Camera Calibration [3.274290296343038]
一対の画像から内在性(主点オフセットと焦点長)と外因性(ベースライン,ピッチ,翻訳)を予測できるユニークな手法を提案する。
カメラモデルニューラルネットワークを用いて3Dポイントを再構成し、再構成の損失を利用してカメラ仕様を得ることにより、この革新的なカメラ投影損失(CPL)法により、所望のパラメータを推定できる。
論文 参考訳（メタデータ） (2022-11-22T17:39:31Z) - TartanCalib: Iterative Wide-Angle Lens Calibration using Adaptive
SubPixel Refinement of AprilTags [23.568127229446965]
現在の最先端技術による広角レンズの校正は、エッジの極端に歪みがあるため、結果を得られない。
精度の高い広角キャリブレーション手法を提案する。
論文 参考訳（メタデータ） (2022-10-05T18:57:07Z) - Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。
提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文 参考訳（メタデータ） (2021-12-06T19:42:05Z) - Self-Calibrating Neural Radiance Fields [68.64327335620708]
キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。
我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
論文 参考訳（メタデータ） (2021-08-31T13:34:28Z) - Wide-angle Image Rectification: A Survey [86.36118799330802]
広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。
これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。
本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。
次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
論文 参考訳（メタデータ） (2020-10-30T17:28:40Z) - Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。
Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。
本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
論文 参考訳（メタデータ） (2020-08-15T02:29:13Z)
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。