論文の概要: Seam-guided local alignment and stitching for large parallax images

• arxiv url: http://arxiv.org/abs/2311.18564v1
• Date: Thu, 30 Nov 2023 13:55:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 16:18:12.731887
• Title: Seam-guided local alignment and stitching for large parallax images
• Title（参考訳）: 大きな視差像に対するseamガイド下局所アライメントと縫合
• Authors: Tianli Liao, Chenyang Zhao, Lei Li and Heling Cao
• Abstract要約: そこで本研究では,シーム品質評価による局所的アライメントと縫合法を提案する。 まず,既存の画像アライメントとシームカット法を用いて初期シームを計算する。 低画質の画素に対しては、アライメントされた画像に囲むパッチを分離し、局所的にアライメントする。 最後に,アライメントパッチをシームカットにより合成し,元のアライメント結果にマージして最終モザイクを生成する。
• 参考スコア（独自算出の注目度）: 10.952532257471113
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Seam-cutting methods have been proven effective in the composition step of image stitching, especially for images with parallax. However, the effectiveness of seam-cutting usually depends on that images can be roughly aligned such that there exists a local region where a plausible seam can be found. For images with large parallax, current alignment methods often fall short of expectations. In this paper, we propose a local alignment and stitching method guided by seam quality evaluation. First, we use existing image alignment and seam-cutting methods to calculate an initial seam and evaluate the quality of pixels along the seam. Then, for pixels with low qualities, we separate their enclosing patches in the aligned images and locally align them by extracting modified dense correspondences via SIFT flow. Finally, we composite the aligned patches via seam-cutting and merge them into the original aligned result to generate the final mosaic. Experiments show that compared with the state-of-the-art seam-cutting methods, our result is more plausible and with fewer artifacts. The code will be available at https://github.com/tlliao/Seam-guided-local-alignment.
• Abstract（参考訳）: シームカット法は画像縫合の合成工程において有効であることが証明されている。 しかし、シームカットの有効性は、画像が大まかに整列して、可視のシームが発見できる地域が存在することに依存している。 大きな視差を持つ画像の場合、現在のアライメント手法は期待に届かないことが多い。 本稿では,seam品質評価に基づく局所的なアライメントと縫い付け手法を提案する。 まず,既存の画像アライメント法とシームカット法を用いて初期シームを算出し,シームに沿った画素の質を評価する。 そして,低画質の画素に対して,それらの囲いパッチをアライメントした画像に分離し,SIFTフローを介して修正された高密度対応を抽出して局所的に整列させる。 最後に,アライメントパッチをシームカットにより合成し,元のアライメント結果にマージして最終モザイクを生成する。 実験の結果, 最先端のシームカット法と比較して, 再現性が高く, アーティファクトも少ないことがわかった。 コードはhttps://github.com/tlliao/Seam-guided-local-alignmentで入手できる。

関連論文リスト

• Parallax-tolerant Image Stitching via Segmentation-guided Multi-homography Warping [14.098118907921947]
  画像セグメンテーションによって導かれるマルチホモグラフィーワープを用いた新しい画像縫合法を提案する。 提案手法は,最先端の手法と比較して,大きなマージンで最適アライメント精度を提供する。
  論文  参考訳（メタデータ） (2024-06-28T13:51:59Z)
• 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 Residual Elastic Warps for Image Stitching under Dirichlet Boundary Condition [28.627775495233692]
  ディリクレ境界条件で問題に対処するリカレント弾性ワープ(REwarp)を提案する。 Rewarpは、不連続およびホールフリー画像縫合のための境界制約の下で、ホモグラフィと薄板スプライン(TPS)を予測する。 本実験は,既存の縫合法と比較して,Rewarpの整合性および競合計算コストを示す。
  論文  参考訳（メタデータ） (2023-09-04T07:26:42Z)
• 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)
• PATS: Patch Area Transportation with Subdivision for Local Feature Matching [78.67559513308787]
  局所特徴マッチングは、一対のイメージ間のスパース対応を確立することを目的としている。 この問題に対処するために,PATS(Patch Area Transportation with Subdivision)を提案する。 PATSは、マッチング精度とカバレッジの両方を改善し、下流タスクにおいて優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-03-14T08:28:36Z)
• 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)
• Deep Seam Prediction for Image Stitching Based on Selection Consistency Loss [26.488335598405097]
  本研究では,高効率のシーム品質を実現するために,深層学習に基づくシーム予測手法(DSeam)を提案する。 我々の知る限り、DSeamは画像縫合のための最初の深層学習に基づくシーム予測法である。
  論文  参考訳（メタデータ） (2023-02-10T02:56:01Z)
• RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
  単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。 その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T12:37:58Z)
• 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)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。