深度特征空间中的图像变形：理论与应用
数值分析
2020-07-03 v2 数值分析
摘要
本文将图像变形与深度特征相结合。为此，将图像视为到高维特征空间的映射，并在 Miller、Trouvé、Younes 及其合作者提出的变形模型中引入对结构敏感的各向异性流正则化。针对该模型，给出了黎曼路径能量的变分时间离散化，并证明了使该能量最小的离散测地路径的存在性。此外，研究了离散测地路径向时间连续模型中测地路径的收敛性。空间离散基于图像空间中的有限差分近似和变形空间中的稳定样条近似，全离散模型使用 iPALM 算法进行优化。数值实验表明，引入语义深度特征优于基于强度的方法。
引用
@article{arxiv.1910.12672,
title = {Image Morphing in Deep Feature Spaces: Theory and Applications},
author = {Alexander Effland and Erich Kobler and Thomas Pock and Marko Rajković and Martin Rumpf},
journal= {arXiv preprint arXiv:1910.12672},
year = {2020}
}
备注
26 pages, 5 figures; This publication is an extended version of the previous conference proceeding presented at SSVM 2019