球面图像上的卷积
计算机视觉与模式识别
2020-02-24 v1
摘要
将卷积神经网络应用于球面图像需要特别考量。我们借鉴数千年来制图学地图投影的成果，为卷积操作定义球面图像的最优表示提供工具。我们提出一种基于二十面体 Snyder 等面积（ISEA）投影（一种到测地网格的投影）的深度球面图像推断表示，并表明它远超球面图像卷积的最先进水平，将语义分割结果提升了 12.6%。
引用
@article{arxiv.1905.08409,
title = {Convolutions on Spherical Images},
author = {Marc Eder and Jan-Michael Frahm},
journal= {arXiv preprint arXiv:1905.08409},
year = {2020}
}
备注
Oral presentation at the 2019 SUMO Workshop on 360{\deg} Indoor Scene Understanding and Modeling at CVPR2019, in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. 2019