端到端全投影仪补偿

全投影仪补偿旨在修改投影仪输入图像，以补偿投影表面的几何与光度扰动。传统方法通常分别求解这两部分，可能陷入次优解。本文提出首个端到端可微分解方案CompenNeSt++，联合求解这两个问题。首先，我们提出一种新颖的几何校正子网络WarpingNet，其采用级联由粗到细结构设计，直接从采样图像中学习采样网格。其次，我们提出一种新颖的光度补偿子网络CompenNeSt，其采用连体(siamese)架构以捕获投影表面与投影图像之间的光度相互作用，并利用此类信息对几何校正后的图像进行补偿。通过将WarpingNet与CompenNeSt级联，CompenNeSt++实现了全投影仪补偿且可端到端训练。第三，为提升实用性，我们提出一种基于合成数据的预训练策略，显著减少训练图像数量与训练时间。此外，我们构建了首个与装置无关的全补偿基准以促进未来研究。在充分实验中，我们的方法相较已有技术展现出明显优势，具有令人满意的补偿质量且同时具备实际便利性。