論文の概要: QueryCDR: Query-Based Controllable Distortion Rectification Network for Fisheye Images

• arxiv url: http://arxiv.org/abs/2412.13496v2
• Date: Tue, 24 Dec 2024 02:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 12:33:52.801069
• Title: QueryCDR: Query-Based Controllable Distortion Rectification Network for Fisheye Images
• Title（参考訳）: QueryCDR:魚眼画像のためのクエリベースの制御可能な歪み補正ネットワーク
• Authors: Pengbo Guo, Chengxu Liu, Xingsong Hou, Xueming Qian,
• Abstract要約: 魚眼画像(QueryCDR)のための新しいクエリベース制御可能な歪み補正ネットワークを提案する。 本稿では、まず、異なる歪み度に対する潜時空間関係を学習可能な一連のクエリとして定義するDLQM(Distortion-aware Learnable Query Mechanism)を提案する。 次に,2種類の制御可能な変調ブロックを提案し,制御条件が歪み特性の変調をより良く導けるようにした。
• 参考スコア（独自算出の注目度）: 18.1151922567701
• License:
• Abstract: Fisheye image rectification aims to correct distortions in images taken with fisheye cameras. Although current models show promising results on images with a similar degree of distortion as the training data, they will produce sub-optimal results when the degree of distortion changes and without retraining. The lack of generalization ability for dealing with varying degrees of distortion limits their practical application. In this paper, we take one step further to enable effective distortion rectification for images with varying degrees of distortion without retraining. We propose a novel Query-Based Controllable Distortion Rectification network for fisheye images (QueryCDR). In particular, we first present the Distortion-aware Learnable Query Mechanism (DLQM), which defines the latent spatial relationships for different distortion degrees as a series of learnable queries. Each query can be learned to obtain position-dependent rectification control conditions, providing control over the rectification process. Then, we propose two kinds of controllable modulating blocks to enable the control conditions to guide the modulation of the distortion features better. These core components cooperate with each other to effectively boost the generalization ability of the model at varying degrees of distortion. Extensive experiments on fisheye image datasets with different distortion degrees demonstrate our approach achieves high-quality and controllable distortion rectification.
• Abstract（参考訳）: 魚眼画像補正は、魚眼カメラで撮影した画像の歪みを補正することを目的としている。 現在のモデルでは、トレーニングデータと同様の歪みの程度で画像に有望な結果が得られるが、歪みの度合いが変化しても再学習することなく、準最適結果が得られる。 様々な歪みの程度を扱う一般化能力の欠如は、その実用性を制限している。 本稿では,歪みの度合いの異なる画像に対して,再トレーニングを伴わない効果的な歪み補正を実現するために,さらに一歩踏み出した。 魚眼画像(QueryCDR)のための新しいクエリベース制御可能な歪み補正ネットワークを提案する。 具体的には、まず、異なる歪み度に対する潜時空間関係を学習可能な一連のクエリとして定義するDLQM(Distortion-aware Learnable Query Mechanism)を提案する。 各クエリは、位置依存の修正制御条件を学習し、修正プロセスの制御を提供する。 次に,2種類の制御可能な変調ブロックを提案し,制御条件が歪み特性の変調をより良く導けるようにした。 これらのコアコンポーネントは互いに協調し、様々な歪みでモデルの一般化能力を効果的に向上する。 歪み度が異なる魚眼画像データセットの大規模な実験により, 高品質かつ制御可能な歪み補正が達成された。

関連論文リスト

• RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
  局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。 DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。 事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。 微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
  論文  参考訳（メタデータ） (2024-06-27T06:38:56Z)
• A Comprehensive Overview of Fish-Eye Camera Distortion Correction Methods [15.82236496962726]
  魚眼カメラはピンホールカメラに比べて大きな歪みに悩まされ、捕獲された物体の歪んだ画像となる。 魚眼カメラの歪みはデジタル画像処理において一般的な問題であり、画像品質を向上させるために効果的な補正技術が必要である。 本稿では,魚眼カメラの歪み補正法について概説する。
  論文  参考訳（メタデータ） (2023-12-31T09:49:37Z)
• 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)
• 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)
• 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)
• Wide-angle Image Rectification: A Survey [86.36118799330802]
  広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。 これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。 本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。 次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
  論文  参考訳（メタデータ） (2020-10-30T17:28:40Z)
• A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
  より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。 本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。 歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
  論文  参考訳（メタデータ） (2020-07-21T10:03:42Z)
• UnRectDepthNet: Self-Supervised Monocular Depth Estimation using a Generic Framework for Handling Common Camera Distortion Models [8.484676769284578]
  本研究では,未修正単眼ビデオから深度,ユークリッド距離,および視覚計測を推定するための,汎用的な規模対応型自己教師パイプラインを提案する。 提案アルゴリズムは,KITTI修正データセットでさらに評価され,最先端の結果が得られた。
  論文  参考訳（メタデータ） (2020-07-13T20:35:05Z)

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。