論文の概要: Leveraging Local Patch Alignment to Seam-cutting for Large Parallax Image Stitching

• arxiv url: http://arxiv.org/abs/2311.18564v2
• Date: Sun, 19 Jan 2025 15:28:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:16:49.996312
• Title: Leveraging Local Patch Alignment to Seam-cutting for Large Parallax Image Stitching
• Title（参考訳）: 大視差画像ステッチにおける局所パッチアライメントのシームカットへの応用
• Authors: Tianli Liao, Chenyang Zhao, Lei Li, Heling Cao,
• Abstract要約: シームカットは画像縫合の合成工程、特に視差のある画像に有効である。 現在のアライメント手法は、大きなパララックス画像に対する期待に届かず、アライメント精度の向上に多くの努力が費やされている。 本稿では, 簡易局所パッチアライメントモジュール (LPAM) をシーム切断に付加することにより, 大規模視差画像縫合において, 最終結果の効率向上が可能であることを論じる。
• 参考スコア（独自算出の注目度）: 10.025860421393991
• License:
• Abstract: Seam cutting methods have been proven effective in the composition step of image stitching, especially for images with parallax. However, current seam cutting can be seen as the subsequent step after the image alignment is settled. Its effectiveness usually depends on the fact that images can be roughly aligned such that a local region exists where an unnoticeable seam can be found. Current alignment methods often fall short of expectations for images with large parallax, and most efforts are devoted to improving the alignment accuracy. In this paper, we argue that by adding a simple Local Patch Alignment Module (LPAM) into the seam cutting, the final result can be efficiently improved for large parallax image stitching. Concretely, we first evaluate the quality of pixels along the estimated seam of the seam cutting method. Then, for pixels with low qualities, we separate their enclosing patches in the aligned images and locally align them by constructing 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 introducing LPAM can effectively and efficiently improve the stitching results.
• Abstract（参考訳）: シームカット法は画像縫合の合成工程、特に視差画像において有効であることが証明されている。 しかし、現在のシームカットは、画像アライメントが落ち着いた後の次のステップと見なすことができる。 その効果は通常、画像が大まかに整列できるという事実に依拠し、その局所領域が無意味なシームを見つけることができる。 現在のアライメント手法は、大きなパララックス画像に対する期待に届かず、アライメント精度の向上に多くの努力が費やされている。 本稿では, 簡易局所パッチアライメントモジュール (LPAM) をシーム切断に付加することにより, 大規模視差画像縫合において, 最終結果の効率向上が可能であることを論じる。 具体的には,まず,シーム切削法の評価値に沿って画素の品質を評価する。 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構築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切断により合成し、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。 LPAMの導入は縫合成績を効果的かつ効果的に改善することを示した。

関連論文リスト

• 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)
• Tool wear monitoring using an online, automatic and low cost system based on local texture [0.0]
  本稿では, エッジプロファイル加工プロセスで使用される切断ツールが, 摩耗量に基づいて使用可能なのか, 使用可能なのかを判定するための, オンライン, 低コスト, 高速な新しい手法を提案する。 私たちは、エッジプロファイルカットヘッドの254イメージの新しいデータセットを作成しました。 提案手法は,(1)WP(Wear Patches)と呼ばれる異なる領域の切欠き画像を分割し,(2)局所バイナリパターン(LBP)の異なる変種に基づいて,テクスチャ記述子を用いて各領域を着用または使用可能なものとして特徴付け,(3)状態に基づいて決定する。
  論文  参考訳（メタデータ） (2024-02-07T22:25:54Z)
• 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)
• Exposure Fusion for Hand-held Camera Inputs with Optical Flow and PatchMatch [53.149395644547226]
  ハンドヘルドカメラによるマルチ露光画像融合のためのハイブリッド合成法を提案する。 提案手法は,このような動作に対処し,各入力の露光情報を効果的に維持する。 実験の結果,本手法の有効性とロバスト性を示した。
  論文  参考訳（メタデータ） (2023-04-10T09:06:37Z)
• 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)
• Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
  不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。 当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。 広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
  論文  参考訳（メタデータ） (2021-04-25T07:25:16Z)
• Contrastive Learning for Unpaired Image-to-Image Translation [64.47477071705866]
  画像から画像への変換では、出力の各パッチは、入力中の対応するパッチの内容を、ドメインに依存しない形で反映すべきである。 本研究では,両者の相互情報を最大化するために,コントラスト学習に基づく枠組みを提案する。 筆者らのフレームワークは、画質の向上とトレーニング時間の短縮を図りながら、画像から画像への翻訳設定の一方的な翻訳を可能にすることを実証している。
  論文  参考訳（メタデータ） (2020-07-30T17:59:58Z)

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。