基于多重配准的鲁棒图像拼接
计算机视觉与模式识别
2020-11-25 v1
摘要
全景图生成是计算机视觉中应用最广泛的技术之一。除了谷歌街景等工业应用外，数百万消费者也在智能手机和其他相机中使用该技术。传统上，该问题被分解为三个阶段：配准（registration），即为每个源图像选取单一变换以将其与其他输入对齐；接缝查找（seam finding），即为最终结果中的每个像素选择源图像；以及融合（blending），用于修复轻微的视觉伪影。在此，我们观察到使用单一配准常常导致误差，尤其是在具有显著深度变化或物体运动的场景中。我们转而提出使用多重配准，使得不同深度的图像区域能够以更高的精度被捕获。MRF（马尔可夫随机场）推断技术自然可扩展到多重配准上的接缝查找，并且我们在此展示其能量函数可轻易地通过新项进行修改，这些新项可抑制重复和撕裂——这些是因使用多重配准而加剧的常见问题。我们的技术与基于层的立体匹配密切相关，并将图像拼接推向显式场景建模。实验证据表明，当存在显著运动或视差时，我们的技术通常能生成明显更好的全景图。
引用
@article{arxiv.2011.11784,
title = {Robust image stitching with multiple registrations},
author = {Charles Herrmann and Chen Wang and Richard Strong Bowen and Emil Keyder and Michael Krainin and Ce Liu and Ramin Zabih},
journal= {arXiv preprint arXiv:2011.11784},
year = {2020}
}
备注
ECCV 2018