基于立体视觉引导与对抗学习的深度栅栏估计
计算机视觉与模式识别
2020-07-06 v1
摘要
人们拍摄事件与展品的难忘图像时常被俗称栅栏的金属丝网遮挡。近期去除栅栏的工作因初始栅栏分割困难而性能有限。本工作旨在利用由立体图像对生成的新型栅栏引导掩码（FM）精确分割栅栏。该二值引导掩码包含关于栅栏结构的确定性线索，并作为额外输入提供给深度栅栏估计模型。我们还引入方向连通性损失（DCL），其与对抗损失一同使用以精确检测细金属丝。在真实场景上获得的实验结果表明所提方法优于当前最优技术。
引用
@article{arxiv.2007.01724,
title = {Deep Fence Estimation using Stereo Guidance and Adversarial Learning},
author = {Paritosh Mittal and Shankar M Venkatesan and Viswanath Veera and Aloknath De},
journal= {arXiv preprint arXiv:2007.01724},
year = {2020}
}
备注
It was previously submitted to IEEE ICIP 2020. A previous version was also submitted to BMVC 2019