FishRecGAN：一种基于端到端GAN的鱼眼校正与标定网络
计算机视觉与模式识别
2023-07-14 v3 人工智能
摘要
我们提出一种端到端深度学习方法，用于校正鱼眼图像并同时标定相机内参与畸变参数。我们的方法由两部分组成：基于Pix2Pix GAN与Wasserstein GAN(W-Pix2PixGAN)开发的快速图像校正模块，以及采用CNN架构的标定模块。我们的快速校正网络以良好分辨率实现鲁棒校正，适用于基于相机的监控设备中的持续标定。为实现高质量标定，我们将快速校正模块的输出拉直结果作为类引导语义特征图，供标定模块学习拉直特征与畸变特征间的几何关系。我们使用一个大型合成数据集训练并验证本方法，该数据集以良好模拟的参数标注并应用于透视图像数据集。我们的方案在高分辨率下取得鲁棒性能，PSNR值达22.343。
引用
@article{arxiv.2305.05222,
title = {FishRecGAN: An End to End GAN Based Network for Fisheye Rectification and Calibration},
author = {Xin Shen and Kyungdon Joo and Jean Oh},
journal= {arXiv preprint arXiv:2305.05222},
year = {2023}
}
备注
18 pages, 7 figures, 4 tables, accepted by AAIML 2023