- 博客(8)
- 收藏
- 关注
RSS订阅原创 Natural Image Stitching with the Global Similarity Prior（带有相似性先验的自然图像拼接）
本文提出了一种将多幅图像拼接在一起的方法，使拼接后的图像看起来尽可能自然。我们的方法采用了局部变形模型，并指导每个图像的变形与网格。设计了一个目标函数，用于指定所需的经线特性。除了良好的对齐和最小的局部失真，我们在目标函数中添加了全局相似性先验。这个先验约束每个图像的扭曲，使得它作为一个整体类似于一个相似性变换。相似变换的选择对结果的自然性至关重要。我们提出了为每个图像选择适当的尺度和旋转的方法。所有图像的扭曲一起解决，以最大限度地减少失真的全局。
2023-11-23 14:15:19
134
原创 Geometric Structure Preserving Warp for Natural Image Stitching（针对自然图像拼接的几何结构保持变形方法）
保持场景中的几何结构在图像拼接中起着至关重要的作用。然而，大多数现有的方法忽略了直线或曲线反映的大规模布局，降低了整体拼接质量。为了解决这个问题，这项工作提出了一种结构保持拼接方法，产生的图像具有自然的视觉效果和较少的失真。我们的方法首先采用基于深度学习的边缘检测来提取各种类型的大尺度边缘。然后，提取的边缘进行采样，以构建多组三角形来表示几何结构。同时，引入几何结构保持（GES）能量项，使这些三角形进行相似变换。提出了一种优化的GES能量项，合理确定采样点在几何结构上的权重，
2023-11-12 14:17:44
184
1
原创 Deep Image Homography Estimation（基于深度学习的图像单应性估计）
我们的前馈网络有10层，以两张堆叠的灰度图像作为输入，并产生8个自由度的同形图，可用于将像素从第一张图像映射到第二张图像。我们为HomographyNet提出了两种卷积神经网络结构:一种是直接估计实值同质参数的回归网络，另一种是产生量子化同质分布的分类网络。我们使用一个4点单应性参数化，将一个图像的四个角映射到第二个图像。我们的网络以端到端方式使用扭曲的MS-COCO图像进行训练。我们的方法不需要单独的局部特征检测和转换估计阶段。
2023-10-16 16:09:06
1047
1
原创 第22次CSP认证第三题——DHCP服务器（C++）
第22次CSP认证第三题——DHCP服务器DHCP服务器自己写得比较繁琐，但可以AC#include <iostream>#include <string>using namespace std;class I{public: string user;//使用该IP的发送主机名称 // int num;//ip地址 int state;//ip状态 int time;//IP过期时间 I() { user=
2021-08-26 20:55:14
431
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人