基于深度结构化模型的实用广角人像校正

广角人像通常具有更广阔的视野。然而，它们包含透视畸变，在拍摄合照人像时尤为明显，其中背景倾斜且面部被拉伸。本文提出首个基于深度学习的方法，用于从自由拍摄的照片中去除此类伪影。具体而言，给定一张广角人像作为输入，我们构建了一个由 LineNet、ShapeNet 和过渡模块（TM）组成的级联网络，分别校正背景上的透视畸变、适配面部区域上的球极投影，并实现这两种投影之间的平滑过渡。为训练我们的网络，我们构建了首个在身份、场景和相机模组上具有高度多样性的透视人像数据集。对于定量评估，我们引入了两个新指标：线条一致性和面部一致性。与先前最先进的方法相比，我们的方法不需要相机畸变参数。我们证明，我们的方法在定性和定量上均显著优于先前最先进的方法。