用于真实世界全景图像生成的弱监督拼接网络
计算机视觉与模式识别
2022-09-14 v1
摘要
近来，基于端到端深度学习的拼接模型受到越来越多的关注。然而，基于深度学习的拼接中最具挑战性的点是获取真实场景中以窄视场输入图像与宽视场真值图像组成的图像对。为克服此困难，我们提出了一种弱监督学习机制，可在无需真实真值图像的情况下训练拼接模型。此外，我们提出了一种拼接模型，以多张真实世界鱼眼图像作为输入，并生成等距柱状投影格式的360度输出图像。特别地，我们的模型由颜色一致性校正、扭曲与融合组成，并通过感知损失与SSIM损失进行训练。所提算法的有效性在两个真实世界拼接数据集上得到验证。
引用
@article{arxiv.2209.05968,
title = {Weakly-Supervised Stitching Network for Real-World Panoramic Image Generation},
author = {Dae-Young Song and Geonsoo Lee and HeeKyung Lee and Gi-Mun Um and Donghyeon Cho},
journal= {arXiv preprint arXiv:2209.05968},
year = {2022}
}
备注
Accepted by ECCV2022 (poster)