論文の概要: Natural Image Stitching Using Depth Maps
- arxiv url: http://arxiv.org/abs/2202.06276v1
- Date: Sun, 13 Feb 2022 10:05:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:24:35.623072
- Title: Natural Image Stitching Using Depth Maps
- Title（参考訳）: 深度マップを用いた自然画像ストレッチ
- Authors: Tianli Liao and Nan Li
- Abstract要約: 自然画像縫合(NIS)は、2つの重なり合う画像から1つの自然なモザイクを作成することを目的としている。
重なり合う領域と非重なり合う領域の両方において、自然に見えるモザイクをパララックスに対して生成するディープマップを用いた新しいNIS手法を提案する。
- 参考スコア（独自算出の注目度）: 6.902509738506176
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural image stitching (NIS) aims to create one natural-looking mosaic from
two overlapping images that capture a same 3D scene from different viewing
positions. Challenges inevitably arise when the scene is non-planar and the
camera baseline is wide, since parallax becomes not negligible in such cases.
In this paper, we propose a novel NIS method using depth maps, which generates
natural-looking mosaics against parallax in both overlapping and
non-overlapping regions. Firstly, we estimate a pixel-to-pixel transformation
based on feature matches and their depth values. Then, we draw a triangulation
of the target image and estimate multiple local homographies, one per triangle,
based on the locations of their vertices and the rectified depth values.
Finally, the warping image is composited by the backward mapping of piece-wise
homographies. Experimental results demonstrate that the proposed method not
only provides accurate alignment in the overlapping regions, but also virtual
naturalness in the non-overlapping region.
- Abstract（参考訳）: natural image stitching (nis) は、異なる視点から同じ3dシーンを撮影する2つの重ね合わせ画像から、自然に見えるモザイクを作成することを目的としている。
このような場合、パララックスが無視できないため、シーンが平面ではなくカメラベースラインが広い場合に必然的にチャレンジが発生する。
本論文では,重なり合う領域と非重なり合う領域のパララックスに対して自然に見えるモザイクを生成するディープマップを用いた新しいNIS手法を提案する。
まず,特徴マッチングとその深さ値に基づいて画素間変換を推定する。
次に,対象画像の三角測量を行い,頂点の位置と補正深度値に基づいて,複数の局所的ホモグラフィー(三角形毎の1つ)を推定する。
最後に、ワープ画像は、ピースワイズホモグラフィーの後方マッピングによって合成される。
実験の結果,提案手法は重なり領域の正確なアライメントを提供するだけでなく,非重なり領域の仮想自然性をもたらすことがわかった。
関連論文リスト
- Refinement of Monocular Depth Maps via Multi-View Differentiable Rendering [4.717325308876748]
本稿では,複数の画像から一貫した詳細な深度マップを生成するための新しい手法を提案する。
我々は、位相的に完全だが計量的に不正確な深度マップを生成する単眼深度推定の進歩を活用する。
提案手法は,高密度で詳細で高品質な深度マップを作成でき,また屋内シナリオの挑戦も可能であり,最先端の深度復元手法よりも優れている。
論文 参考訳（メタデータ） (2024-10-04T18:50:28Z) - SuperPrimitive: Scene Reconstruction at a Primitive Level [23.934492494774116]
共同カメラのポーズと画像やモノクロビデオからの密度の高い幾何学的推定は依然として難しい問題である。
多くの高密度増分再構成システムは、画像画素を直接操作し、多視点幾何学的手がかりを用いて3次元位置を解く。
我々はスーパープリミティブ(SuperPrimitive)と呼ばれる新しいイメージ表現でこの問題に対処する。
論文 参考訳（メタデータ） (2023-12-10T13:44:03Z) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-16T10:40:55Z) - GeoFill: Reference-Based Image Inpainting of Scenes with Complex
Geometry [40.68659515139644]
参照誘導画像描画は、他の参照画像からのコンテンツを活用して画像画素を復元する。
我々は、単眼深度推定を利用して、カメラ間の相対的なポーズを予測し、その基準画像を異なる3次元再投影により目標に整列させる。
提案手法は,RealEstate10KとMannequinChallengeの両方のデータセットに対して,大規模なベースライン,複雑な幾何学,極端なカメラモーションによる最先端性能を実現する。
論文 参考訳（メタデータ） (2022-01-20T12:17:13Z) - Facial Depth and Normal Estimation using Single Dual-Pixel Camera [81.02680586859105]
DP指向のDepth/Normalネットワークを導入し,3次元顔形状を再構成する。
これは、メートル法スケールでの深度マップと表面正規を含む、対応する地上3次元モデルを含んでいる。
近年のDPベース深度/正規推定法で最先端の性能を実現している。
論文 参考訳（メタデータ） (2021-11-25T05:59:27Z) - Depth Completion with Twin Surface Extrapolation at Occlusion Boundaries [16.773787000535645]
前景深度と背景深度の両方を明示的にモデル化するマルチ仮説深度表現を提案する。
この手法の鍵となるのは、新しい双曲面表現で機能する非対称損失関数の利用である。
メソッドを3つの異なるデータセットで検証します。
論文 参考訳（メタデータ） (2021-04-06T02:36:35Z) - 3D Photography using Context-aware Layered Depth Inpainting [50.66235795163143]
本稿では、1枚のRGB-D入力画像を3D写真に変換する方法を提案する。
学習に基づく着色モデルでは,新しい局所的な色と深度を隠蔽領域に合成する。
結果の3D写真は、モーションパララックスで効率よくレンダリングできる。
論文 参考訳（メタデータ） (2020-04-09T17:59:06Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-27T21:28:54Z) - Multi-View Optimization of Local Feature Geometry [70.18863787469805]
本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。
提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。
本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
論文 参考訳（メタデータ） (2020-03-18T17:22:11Z) - Depth Completion Using a View-constrained Deep Prior [73.21559000917554]
近年の研究では、畳み込みニューラルネットワーク(CNN)の構造が、自然画像に有利な強い先行性をもたらすことが示されている。
この前者はディープ・イメージ・先行 (DIP) と呼ばれ、画像の装飾や塗装といった逆問題において有効な正則化器である。
我々は、DIPの概念を深度画像に拡張し、色画像とノイズと不完全な目標深度マップから、CNNネットワーク構造を先行して復元された深度マップを再構成する。
論文 参考訳（メタデータ） (2020-01-21T21:56:01Z)
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。