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

• arxiv url: http://arxiv.org/abs/2311.18564v3
• Date: Wed, 09 Jul 2025 02:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 15:30:51.865518
• 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: 本研究では,初期アライメント精度から海面品質を解離するアライメント補償パラダイムを提案する。 本手法は, まず, シーム品質評価により, シームに沿った低品質画素を同定する。 我々はアダプティブシームカットを用いてアライメントパッチを再構成し、元のアライメントイメージ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）: 10.025860421393991
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Seam cutting has shown significant effectiveness in the composition phase of image stitching, particularly for scenarios involving parallax. However, conventional implementations typically position seam-cutting as a downstream process contingent upon successful image alignment. This approach inherently assumes the existence of locally aligned regions where visually plausible seams can be established. Current alignment methods frequently fail to satisfy this prerequisite in large parallax scenarios despite considerable research efforts dedicated to improving alignment accuracy. In this paper, we propose an alignment-compensation paradigm that dissociates seam quality from initial alignment accuracy by integrating a Local Patch Alignment Module (LPAM) into the seam-cutting pipeline. Concretely, given the aligned images with an estimated initial seam, our method first identifies low-quality pixels along the seam through a seam quality assessment, then performs localized SIFT-flow alignment on the critical patches enclosing these pixels. Finally, we recomposite the aligned patches using adaptive seam-cutting and merge them into the original aligned images to generate the final mosaic. Comprehensive experiments on large parallax stitching datasets demonstrate that LPAM significantly enhances stitching quality while maintaining computational efficiency. The code is available at https://github.com/tlliao/LPAM_seam-cutting.
• Abstract（参考訳）: シーム切削は画像縫合の合成段階において有意な効果を示した。 しかし、従来の実装では、シームカットは画像アライメントが成功すると下流プロセスのコンセントとして位置づけられるのが一般的である。 このアプローチは本質的には、視覚的に可視なシームを確立できる局所的な整列領域の存在を前提としている。 現在のアライメント法は、アライメントの精度を改善するためのかなりの研究努力にもかかわらず、大きなパララックスシナリオにおいて、この前提を満たすことができないことが多い。 本稿では,局所パッチアライメントモジュール(LPAM)をシームカットパイプラインに統合することにより,初期アライメント精度からシーム品質を分解するアライメント補償パラダイムを提案する。 具体的には, 推定初期シームとの整列画像から, まず, シーム品質評価により, シームに沿った低品質画素を同定し, 次いで, これらの画素を囲む臨界パッチに対して局所的なSIFTフローアライメントを行う。 最後に、アダプティブシームカットを用いてアライメントパッチを再構成し、元のアライメントイメージにマージして最終的なモザイクを生成する。 大規模視差縫合データセットに関する総合的な実験により、LPAMは計算効率を保ちながら縫合品質を著しく向上することを示した。 コードはhttps://github.com/tlliao/LPAM_seam-cuttingで公開されている。

関連論文リスト

• Seeing What Matters: Empowering CLIP with Patch Generation-to-Selection [54.21851618853518]
  本稿では,CLIPのトレーニング効率を高めるために,パッチ生成と選択という簡潔で効果的なアプローチを提案する。 私たちのアプローチであるCLIP-PGSは、ゼロショット分類と検索タスクにおいて、新しい最先端結果を設定する。
  論文  参考訳（メタデータ） (2025-03-21T12:10:38Z)
• 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)
• 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)
• 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)
• 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)
• 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。