基于深度学习的图像盲几何畸变校正
计算机视觉与模式识别
2019-09-10 v1
摘要
我们提出了首个通用框架，用于自动校正单张输入图像中不同类型的几何畸变。我们提出的方法采用通过使用大型合成畸变数据集训练的卷积神经网络（CNNs）来预测畸变图像与校正图像之间的位移场。一种模型拟合方法利用 CNN 输出估计畸变参数，从而实现更精确的预测。最终的校正图像基于预测的流场，使用一种高效、高质量的重采样方法生成。实验结果表明，我们的算法优于传统校正方法，并支持诸如畸变迁移、畸变夸大以及共现畸变校正等有趣应用。
引用
@article{arxiv.1909.03459,
title = {Blind Geometric Distortion Correction on Images Through Deep Learning},
author = {Xiaoyu Li and Bo Zhang and Pedro V. Sander and Jing Liao},
journal= {arXiv preprint arXiv:1909.03459},
year = {2019}
}
备注
10 pages, 11 figures, published in CVPR 2019