基于外观流渐进互补网络的鱼眼图像校正
计算机视觉与模式识别
2021-04-01 v2
摘要
鱼眼图像常需进行畸变校正。生成式方法因其无标签特性成为主流解决方案之一，但其朴素的跳跃连接和负担过重的解码器会导致模糊和校正不完整。首先，跳跃连接直接传递图像特征，可能引入畸变并导致校正不完整。其次，解码器在同时重建图像内容与结构时负担过重，导致性能模糊。为解决这两个问题，本文关注畸变校正网络的可解释校正机制，提出一种特征级校正方案。我们在跳跃连接中嵌入校正层，并利用不同层中的外观流对图像特征进行预校正。因此，解码器可利用剩余的去畸变信息轻松重建合理结果。此外，我们提出一种并行互补结构。它通过分离内容重建与结构校正，有效减轻了解码器负担。在不同数据集上的主客观实验结果表明了本方法的优越性。
引用
@article{arxiv.2103.16026,
title = {Progressively Complementary Network for Fisheye Image Rectification Using Appearance Flow},
author = {Shangrong Yang and Chunyu Lin and Kang Liao and Chunjie Zhang and Yao Zhao},
journal= {arXiv preprint arXiv:2103.16026},
year = {2021}
}
备注
Accepted by CVPR2021