真实场景中的地平线
计算机视觉与模式识别
2016-08-17 v2
摘要
地平线线是多种图像理解任务的重要上下文属性。因此，许多方法被提出从单幅图像中估计其位置。这些方法通常要求图像包含特定线索，如消失点、共面圆和规则纹理，从而限制了它们在真实世界中的适用性。我们引入了一个大型、真实的评估数据集 Horizon Lines in the Wild (HLW)，包含带有标注地平线的自然图像。利用该数据集，我们研究了卷积神经网络(CNN)在无需任何显式几何约束或其他特殊线索的情况下直接估计地平线的应用。广泛的评估表明，使用我们的CNN（无论是单独使用还是与先前的几何方法结合）在具有挑战性的HLW数据集和两个现有基准数据集上取得了SOTA结果。
引用
@article{arxiv.1604.02129,
title = {Horizon Lines in the Wild},
author = {Scott Workman and Menghua Zhai and Nathan Jacobs},
journal= {arXiv preprint arXiv:1604.02129},
year = {2016}
}
备注
British Machine Vision Conference (BMVC) 2016