論文の概要: An End-to-End Network for Upright Adjustment of Panoramic Images

• arxiv url: http://arxiv.org/abs/2304.05556v1
• Date: Wed, 12 Apr 2023 01:31:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 16:26:30.967912
• Title: An End-to-End Network for Upright Adjustment of Panoramic Images
• Title（参考訳）: パノラマ画像の直立調整のためのエンドツーエンドネットワーク
• Authors: Heyu Chen, Jianfeng Li and Shigang Li
• Abstract要約: 直立調整のためのオンライン・エンド・ツー・エンド・ネットワークを提案する。 我々のネットワークは,向き推定,LUTオンライン生成,直立再構成という3つのモジュールから構成されている。 画像再構成に関しては,深層学習ネットワークを用いたパノラマ画像のオンライン直立再構成を初めて実現した。
• 参考スコア（独自算出の注目度）: 4.8866383302403955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, panoramic images can be easily obtained by panoramic cameras. However, when the panoramic camera orientation is tilted, a non-upright panoramic image will be captured. Existing upright adjustment models focus on how to estimate more accurate camera orientation, and attribute image reconstruction to offline or post-processing tasks. To this end, we propose an online end-to-end network for upright adjustment. Our network is designed to reconstruct the image while finding the angle. Our network consists of three modules: orientation estimation, LUT online generation, and upright reconstruction. Direction estimation estimates the tilt angle of the panoramic image. Then, a converter block with upsampling function is designed to generate angle to LUT. This module can output corresponding online LUT for different input angles. Finally, a lightweight generative adversarial network (GAN) aims to generate upright images from shallow features. The experimental results show that in terms of angles, we have improved the accuracy of small angle errors. In terms of image reconstruction, In image reconstruction, we have achieved the first real-time online upright reconstruction of panoramic images using deep learning networks.
• Abstract（参考訳）: 現在、パノラマカメラで簡単にパノラマ画像を得ることができる。 しかし、パノラマカメラの向きが傾くと、直立しないパノラマ画像が撮影される。 既存のアップライト調整モデルは、より正確なカメラの向きを推定する方法、オフラインまたは後処理タスクへの属性画像再構成に焦点を当てている。 そこで本研究では,アップライト調整のためのオンラインエンドツーエンドネットワークを提案する。 我々のネットワークは、角度を見つけながら画像を再構成するように設計されている。 我々のネットワークは,向き推定,LUTオンライン生成,直立再構成という3つのモジュールから構成されている。 方向推定はパノラマ画像の傾き角度を推定する。 次に、アップサンプリング機能を有するコンバータブロックを、LUTに対する角度を生成するように設計する。 このモジュールは、異なる入力角度に対して対応するオンラインLUTを出力することができる。 最後に、浅い特徴から直立画像を生成することを目的とした、軽量な生成逆ネットワーク(GAN)を提案する。 実験の結果,角度の面では,小さな角度誤差の精度が向上したことがわかった。 画像再構成に関して、画像再構成において、ディープラーニングネットワークを用いたパノラマ画像のリアルタイムオンラインアップライト再構築を初めて達成した。

関連論文リスト

• Masked Angle-Aware Autoencoder for Remote Sensing Images [43.65954772044253]
  本稿では,masked Angle-Aware Autoencoder (MA3E)を提案する。 3つの下流タスクにおいて、7つの異なるRS画像データセットにおいて、MA3Eは既存の事前学習手法よりも、より競争力のある性能を示す。
  論文  参考訳（メタデータ） (2024-08-04T07:12:59Z)
• Stretched sinograms for limited-angle tomographic reconstruction with neural networks [1.52292571922932]
  本稿では,畳み込みネットワークを用いた限られた角度トモグラフィ再構成法を提案する。 本手法の鍵は、傾き角度のセカントによって傾き軸に傾き方向のすべての傾きビューをまず伸ばすことである。 我々は、ネットワークが生成した再構成と地上の真理3次元ボリュームとの間の平均2乗誤差を最小化してネットワークを訓練する。
  論文  参考訳（メタデータ） (2023-06-16T22:35:12Z)
• RelPose++: Recovering 6D Poses from Sparse-view Observations [66.6922660401558]
  スパースビュー画像集合(2-8画像)から6次元カメラポーズを推定する作業に対処する。 我々は,画像対上の相対回転よりも分布を推定するネットワークを学習するRelPoseフレームワークを構築した。 最終システムは,先行技術よりも6次元ポーズ予測を大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-08T17:59:58Z)
• RecRecNet: Rectangling Rectified Wide-Angle Images by Thin-Plate Spline Model and DoF-based Curriculum Learning [62.86400614141706]
  我々はRecRecNet(Rectangling Rectification Network)という新しい学習モデルを提案する。 我々のモデルは、ソース構造をターゲット領域に柔軟にワープし、エンドツーエンドの非教師なし変形を実現する。 実験により, 定量評価と定性評価の両面において, 比較法よりも解法の方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-04T15:12:57Z)
• Deep Rotation Correction without Angle Prior [57.76737888499145]
  我々は,高コンテンツ忠実度で傾きを自動的に補正する,回転補正という新しい実用的タスクを提案する。 このタスクは画像編集アプリケーションに簡単に統合でき、ユーザーは手動操作なしで回転した画像を修正できる。 我々はニューラルネットワークを利用して、傾斜した画像を知覚的に水平に歪めることができる光学フローを予測する。
  論文  参考訳（メタデータ） (2022-07-07T02:46:27Z)
• PCLs: Geometry-aware Neural Reconstruction of 3D Pose with Perspective Crop Layers [111.55817466296402]
  我々は、カメラ幾何学に基づく関心領域の視点作物であるパースペクティブ・クロップ・レイヤ(PCL)を紹介する。 PCLは、エンドツーエンドのトレーニングと基礎となるニューラルネットワークのパラメータ数を残しながら、位置依存的な視点効果を決定論的に除去する。 PCLは、既存の3D再構成ネットワークを幾何学的に認識することで、容易に精度を向上させる手段を提供する。
  論文  参考訳（メタデータ） (2020-11-27T08:48:43Z)
• Quantization in Relative Gradient Angle Domain For Building Polygon Estimation [88.80146152060888]
  CNNアプローチは、しばしばノイズの多いエッジや丸いコーナーを含む不正確な建築形態を生成する。 CNNセグメンテーション出力から角状かつ簡潔なビルディングポリゴンを生成するために,ビルディングコーナーの事前知識を利用するモジュールを提案する。 提案手法は, 円形近似によるCNN出力を, より鮮明な形状の建物足跡に改良することを示した。
  論文  参考訳（メタデータ） (2020-07-10T21:33:06Z)
• 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)

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。