論文の概要: Weakly-Supervised Stitching Network for Real-World Panoramic Image Generation

• arxiv url: http://arxiv.org/abs/2209.05968v1
• Date: Tue, 13 Sep 2022 13:01:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-14 12:58:53.877995
• Title: Weakly-Supervised Stitching Network for Real-World Panoramic Image Generation
• Title（参考訳）: リアルタイムパノラマ画像生成のための弱スーパービジョンスティッチネットワーク
• Authors: Dae-Young Song, Geonsoo Lee, HeeKyung Lee, Gi-Mun Um, and Donghyeon Cho
• Abstract要約: そこで本研究では,実地真実像を必要とせずに縫合モデルを訓練するための弱教師付き学習機構を開発した。 特に, 色調補正, ワープ, ブレンディングからなり, 知覚とSSIMの損失によって訓練される。 提案アルゴリズムの有効性を実世界の2つの縫合データセットで検証した。
• 参考スコア（独自算出の注目度）: 17.19847723103836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, there has been growing attention on an end-to-end deep learning-based stitching model. However, the most challenging point in deep learning-based stitching is to obtain pairs of input images with a narrow field of view and ground truth images with a wide field of view captured from real-world scenes. To overcome this difficulty, we develop a weakly-supervised learning mechanism to train the stitching model without requiring genuine ground truth images. In addition, we propose a stitching model that takes multiple real-world fisheye images as inputs and creates a 360 output image in an equirectangular projection format. In particular, our model consists of color consistency corrections, warping, and blending, and is trained by perceptual and SSIM losses. The effectiveness of the proposed algorithm is verified on two real-world stitching datasets.
• Abstract（参考訳）: 近年,エンド・ツー・エンドのディープラーニングベースの縫合モデルに注目が集まっている。 しかし, 深層学習による縫合の最も困難な点は, 視野が狭い一対の入力画像と, 現実のシーンから捉えた視野の広い地上の真実画像を得ることである。 この難しさを克服するため,本研究では,真理画像を必要とすることなく縫合モデルを訓練するための弱教師付き学習機構を開発した。 さらに,複数の実世界の魚眼画像を入力として取り出し,同じ矩形投影形式で360度の出力画像を生成する縫合モデルを提案する。 特に,色相性補正,反り補正,ブレンドによって構成され,知覚的損失とシム損失によって訓練される。 提案アルゴリズムの有効性を実世界の2つの縫合データセットで検証した。

関連論文リスト

• Towards Robust Image Stitching: An Adaptive Resistance Learning against Compatible Attacks [66.98297584796391]
  画像縫合は、様々な視点から捉えた画像をシームレスに単一の視野画像に統合する。 一対の撮像画像が与えられたとき、人間の視覚システムに気づかない微妙な摂動と歪みは、対応の一致を攻撃しがちである。 本稿では,敵対的攻撃に対する画像縫合の堅牢性向上に向けた最初の試みについて述べる。
  論文  参考訳（メタデータ） (2024-02-25T02:36:33Z)
• Robust Multi-Modal Image Stitching for Improved Scene Understanding [2.0476854378186102]
  私たちはOpenCVのステッチモジュールをタップする、ユニークで包括的なイメージスティッチパイプラインを考案しました。 当社のアプローチでは,機能ベースのマッチング,変換推定,ブレンディング技術を統合して,上位品質のパノラマビューを実現する。
  論文  参考訳（メタデータ） (2023-12-28T13:24:48Z)
• SimFIR: A Simple Framework for Fisheye Image Rectification with Self-supervised Representation Learning [105.01294305972037]
  自己教師型表現学習に基づく魚眼画像修正のためのフレームワークであるSimFIRを紹介する。 まず魚眼画像を複数のパッチに分割し,その表現を視覚変換器で抽出する。 下流修正作業における転送性能が著しく向上し、学習された表現の有効性が検証される。
  論文  参考訳（メタデータ） (2023-08-17T15:20:17Z)
• Practical Wide-Angle Portraits Correction with Deep Structured Models [17.62752136436382]
  本稿では,写真から視線歪みを取り除くための深層学習手法について紹介する。 入力として広角ポートレートが与えられると、LineNet、ShapeNet、トランジションモジュールからなるカスケードネットワークを構築します。 定量的評価には,ラインの整合性と面の整合性という2つの新しい指標を導入する。
  論文  参考訳（メタデータ） (2021-04-26T10:47:35Z)
• Stereo Matching by Self-supervision of Multiscopic Vision [65.38359887232025]
  カメラ位置の整列で撮影した複数の画像を利用したステレオマッチングのための新しい自己監視フレームワークを提案する。 ネットワークを最適化するために、クロスフォトメトリックロス、不確実性を認識した相互監督損失、および新しい平滑性損失が導入されます。 我々のモデルは、KITTIデータセット上の以前の教師なし手法よりも、より良い不均一性マップを得る。
  論文  参考訳（メタデータ） (2021-04-09T02:58:59Z)
• Learning Edge-Preserved Image Stitching from Large-Baseline Deep Homography [32.28310831466225]
  本稿では,大規模なベースライン深部ホログラフィモジュールとエッジ保存変形モジュールからなる画像縫合学習フレームワークを提案する。 本手法は既存の学習方法よりも優れ,最先端の従来の手法と競合する性能を示す。
  論文  参考訳（メタデータ） (2020-12-11T08:43:30Z)
• 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)
• Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
  画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。 画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。 私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
  論文  参考訳（メタデータ） (2020-03-27T21:45:41Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。