Deepzzle：利用深度学习与最短路径优化求解视觉拼图
计算机视觉与模式识别
2020-05-27 v1
摘要
我们处理碎片间存在较宽间隙的图像重组问题，使得图案与颜色的连续性大多无法利用。该间隙模拟了考古碎片所遭受的侵蚀。我们对碎片边界进行方形裁剪，以迫使我们的算法从碎片内容中学习。我们还通过移除碎片并添加来自其他来源的块来使图像重组更复杂。我们使用两步法获得重组结果：1）神经网络预测碎片的位置，尽管它们之间存在间隙；2）由这些预测构建导向最佳重组的图。在本文中，我们特别研究了重组图中分支割（branch-cut）的影响。我们还提供了与文献的对比，求解了复杂图像的重组，详细探索了数据集，并提出了一种适合其特性的新度量。关键词：图像重组，拼图，深度学习，图，分支割，文化遗产
引用
@article{arxiv.2005.12548,
title = {Deepzzle: Solving Visual Jigsaw Puzzles with Deep Learning andShortest Path Optimization},
author = {Marie-Morgane Paumard and David Picard and Hedi Tabia},
journal= {arXiv preprint arXiv:2005.12548},
year = {2020}
}