鲁棒鱼眼图像畸变矫正框架，抗Optical Center Deviation
计算机视觉与模式识别
2024-06-28 v1
摘要
鱼眼图像根据光学中心位置分为中心鱼眼和偏移鱼眼。现有畸变矫正方法仅限于中心鱼眼图像，而本文提出一种新方法，扩展至偏移鱼眼图像的畸变矫正。挑战在于由于光学中心位置的随机性导致的全局畸变分布模式变异。为解决此挑战，我们提出一种畸变向量图（DVM），用于衡量局部畸变的程度和方向。通过学习 DVM，模型能够在不依赖全局畸变模式的情况下，独立识别每个像素的局部畸变。该模型采用预训练和微调的训练范式。在预训练阶段，它预测畸变向量图并感知每个像素的局部畸变特征。在微调阶段，它预测用于偏移鱼眼图像畸变矫正的像素级流图。我们还提出一种数据增强方法，将中心鱼眼、偏移鱼眼和无畸变图像进行混合。这种数据增强促进了模型在矫正中心和偏移鱼眼图像方面的性能。广泛的实验表明，所提方法的有效性与优越性。
引用
@article{arxiv.2406.18927,
title = {RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation},
author = {Zhaokang Liao and Hao Feng and Shaokai Liu and Wengang Zhou and Houqiang Li},
journal= {arXiv preprint arXiv:2406.18927},
year = {2024}
}