深度视图变形
计算机视觉与模式识别
2017-03-08 v1
摘要
近年来，卷积神经网络（CNN）已成功应用于视图合成问题。然而，此类基于CNN的方法可能存在纹理细节缺失、形状失真或计算复杂度高等问题。在本文中，我们提出了一种新颖的用于视图合成的CNN架构，称为“深度视图变形”，它不存在这些问题。为了合成两幅输入图像的中间视图，一个校正网络首先校正这两幅输入图像。然后，一个编码器-解码器网络生成校正后图像之间的稠密对应关系以及混合掩膜，以预测校正图像像素在中间视图中的可见性。最后，一个视图变形网络利用稠密对应关系和混合掩膜合成中间视图。我们通过实验证明，所提出的方法显著优于当前最先进的基于CNN的视图合成方法。
引用
@article{arxiv.1703.02168,
title = {Deep View Morphing},
author = {Dinghuang Ji and Junghyun Kwon and Max McFarland and Silvio Savarese},
journal= {arXiv preprint arXiv:1703.02168},
year = {2017}
}
备注
Accepted to CVPR 2017