无需角度先验的深度旋转校正

并非所有人都具备专业的摄影技巧和充足的拍摄时间，因此拍摄的图像偶尔会出现倾斜。本文提出了一项新颖且实用的任务，名为旋转校正，旨在旋转角度未知的情况下，以高内容保真度自动校正倾斜。该任务可轻松集成到图像编辑应用中，使用户无需任何手动操作即可校正旋转图像。为此，我们利用神经网络预测光流，该光流可将倾斜图像扭曲至视觉上水平的状态。然而，从单张图像进行像素级光流估计极不稳定，尤其是在大角度倾斜图像中。为增强其鲁棒性，我们提出了一种简单但有效的预测策略，以形成鲁棒的弹性扭曲。具体而言，我们首先回归可转化为鲁棒初始光流的网格变形。然后，我们估计残差光流，以使我们的网络能够灵活进行像素级变形，从而进一步校正倾斜图像的细节。为建立评估基准并训练学习框架，我们提供了一个在场景和旋转角度上具有高度多样性的综合旋转校正数据集。大量实验表明，即使在没有角度先验的情况下，我们的算法也能优于其他需要此先验的最先进解决方案。代码和数据集可在 https://github.com/nie-lang/RotationCorrection 获取。