QueryCDR：基于查询的可控鱼眼图像畸变校正网络

鱼眼图像校正旨在纠正鱼眼相机拍摄图像的畸变。尽管当前模型在与训练数据畸变程度相似的图像上表现良好，但当畸变程度发生变化且不重新训练时，它们会产生次优结果。处理不同畸变程度的泛化能力不足限制了其实际应用。本文更进一步，实现了无需重新训练即可有效校正不同畸变程度图像的能力。我们提出了一种新颖的基于查询的可控鱼眼图像畸变校正网络（QueryCDR）。具体而言，我们首先提出了畸变感知可学习查询机制（DLQM），该机制将不同畸变程度的潜在空间关系定义为一组可学习查询。每个查询可学习得到位置相关的校正控制条件，从而提供对校正过程的控制。然后，我们提出了两种可控调制模块，使控制条件能更好地引导畸变特征的调制。这些核心组件相互协作，有效提升了模型在不同畸变程度下的泛化能力。在具有不同畸变程度的鱼眼图像数据集上的大量实验表明，我们的方法实现了高质量且可控的畸变校正。