STN-Homography：直接估计单应性参数
计算机视觉与模式识别
2019-06-07 v1
摘要
本文中，我们引入 STN-Homography 模型以直接估计图像对之间的单应性矩阵。与大多数基于 CNN 的单应性估计方法使用替代的 4 点单应性参数化不同，我们证明在经过坐标归一化后，坐标归一化的 单应性矩阵各元素的方差非常小，适合用 CNN 良好地回归。基于所提出的 STN-Homography，我们采用一种分层架构，堆叠多个 STN-Homography 模型并依次减小估计误差。在 MSCOCO 数据集上的实验显示了所提方法的有效性，其显著优于当前最优方法。我们的 1 阶段分层 STN-Homography 在 GPU 上的平均处理时间仅为 4.87 ms，而 3 阶段分层 STN-Homography 的处理时间为 17.85 ms。代码将很快开源。
引用
@article{arxiv.1906.02539,
title = {STN-Homography: estimate homography parameters directly},
author = {Qiang Zhou and Xin Li},
journal= {arXiv preprint arXiv:1906.02539},
year = {2019}
}