阅读笔记（PAMI2007）Image Stitching Using Structure Deformation

最新推荐文章于 2024-02-18 20:05:18 发布
最新推荐文章于 2024-02-18 20:05:18 发布
阅读量457 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 图像拼接 结构变形 图像配准
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Miracle0_0/article/details/81196739
本文介绍了一种基于结构变形的图像拼接方法，该方法能够有效地处理图像间的几何变形问题，实现高质量的全景图像合成。研究由Jia等人于2008年提出，并在IEEE Transactions on Pattern Analysis and Machine Intelligence上发表，至今已被广泛引用。

Jia, J., & Tang, C. K. (2008). Image stitching using structure deformation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(4), 617-631.

目前，Google学术显示引用量为139.

Seung-Yim Yau
关注
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
11-30 3万+
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用优快云来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
论文阅读【PAMI_2022】FSGANv2: Improved Subject Agnostic Face Swapping and Reenactment
zik的博客
02-16 997
一、贡献与以前的工作不同，我们提供了一种与主题无关的交换方案，该方案可以应用于成对的面孔，而无需对这些面孔进行训练。我们推导了一种新颖的基于迭代深度学习的人脸再现方法，该方法可调整可应用于单个图像或视频序列的显着姿势和表情变化。对于视频序列，我们基于再现，Delaunay三角剖分和重心坐标引入人脸视图的连续插值。遮挡的面部区域由面部完成网络处理。最后，我们使用面部混合网络来无缝混合两个面部，同时保留目标肤色和照明条件。二、效果。
BOOK Image alignment and stitching a tutorial
09-24
图像拼接融合的权威书籍、英文原版，没有中文翻译的变形，适合广大视频拼接、图像拼接的研究人员阅读研究算法原理的最详细的参考资料
图像修复三：Image Completion using Planar Structure Guidance
Frank.Xu的专栏
08-16 5277
Image Completion using Planar Structure Guidance.2014, ACM SIGGRAPH.
Image Completion using Planar Structure Guidance MATALB 代码调试（二）—— 如何处理自己的图片
u014546828的博客
05-23 1159
Image Completion using Planar Structure Guidance MATALB 代码调试（一）—— 如何运行代码Image Completion using Planar Structure Guidance MATALB 代码调试（二）—— 如何处理自己的图片Image Completion using Planar Structure Guidance MATA...
论文2-1_Image Completion using Planar Structure Guidance (Self-Exe
08-03
Image Completion using Planar Structure GuidanceFigure 1: Our image completion a
Image Completion using Planar Structure Guidance MATALB 代码调试（一）—— 如何运行代码
u014546828的博客
05-23 1342
最近在学习图像修复算法，好论文不少。这里先学习了这篇文章：Image Completion using Planar Structure Guidance :ACM Transactions on Graphics (Proceedings of SIGGRAPH 2014), 33(4), 2014.这篇文章并不是最新的，但因为其提供了代码，易于研究。最新的图像修复不少是基于深度学习框架的，以后...
T-PAMI-2021论文Semi-Supervised Multi-View Deep Discriminant Representation Learning阅读笔记
JXDShimon的博客
06-14 1044
分享一篇论文。
语义分割-ICCV2017 Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks循环一致对抗网
ssshyeong的博客
03-06 4502
我们提出了一种学习在没有成对例子的情况下将图像从源域X转换为目标域Y的方法。我们的目标是学习一种映射G: X→Y，使G(X)的图像分布与使用对抗性损失的分布Y难以区分。我们将它与一个逆映射F: Y→X耦合，并引入一个循环一致性损失来强制F (G(X))≈X(反之亦然)。在不存在配对训练数据的几个任务上给出了定性结果.
Opencv学习笔记 图像分割三（ImageJ 分水岭）
学以致用 知行合一
10-18 4421
ImageJ是一款基于 java的,由 National Institutes of Health(NIH)开发的一款功能强大的图像处理软件,在科研中应用极为广泛。其中也是包含有java实现的分水岭算法。
多元图像复原（计算机视觉）Pluralistic Image Completion
03-11
Abstract Most image completion methods produce only one result for each masked input, although there may be many reasonable possibilities. In this paper, we present an approach for pluralistic image completion – the task of generating multiple and diverse plausible solutions for image completion. A major challenge faced by learning-based approaches is that usually only one ground truth training instance per label. As such, sampling from conditional VAEs still leads to minimal diversity. To overcome this, we propose a novel and probabilistically principled framework with two parallel paths. One is a reconstructive path that utilizes the only one given ground truth to get prior distribution of missing parts and rebuild the original image from this distribution. The other is a generative path for which the conditional prior is coupled to the distribution obtained in the reconstructive path. Both are supported by GANs. We also introduce a new short+long term attention layer that exploits distant relations among decoder and encoder features, improving appearance consistency. When tested on datasets with buildings (Paris), faces (CelebA-HQ), and natural images (ImageNet), our method not only generated higherquality completion results, but also with multiple and diverse plausible outputs.
Planar Evasive Aircrafts Maneuvers Using Reinforcement Learning.pdf
02-08
Proceedings of the 12th International Conference IAS-12, Held June 26–29,2012 Jeju Island, Korea
基于结构和颜色信息的图像修复算法
08-12
基于结构和颜色信息的图像修复算法 图像修复技术改进
【论文笔记】Image Completion with Structure Propagation
qq_38592948的博客
08-23 1996
d. Other visual cues such as 3D shape, depth,lighting, or reflection can not be captured by this simple model.
平面结构指导的图像补全《Image Completion using Planar Structure Guidance》
Bamboozq的博客
04-25 1093
Image completion的分类 平行平面 fronto-parallel 大多数image completion的工作，都是找到最接近的patch，来补全当前缺失的部分。[Wexler et al. 2007] Patchmatch的方法通过随机搜索和传播模式加速了这个过程。Barnes et al. [2009] 这样的方法有两个重大...
全局与局部一致的图像补全Globally and Locally Consistent Image Completion
最新发布
reyssalee的博客
02-18 1731
全局与局部一致的图像补全 摘要：我们提出了一种新颖的图像完成方法，该方法生成的图像在局部和全局上都是一致的。通过使用全卷积神经网络（全卷积神经网络（Fully Convolutional Neural Network，FCNN）是一种特殊类型的神经网络，它主要用于处理图像数据。与传统的卷积神经网络（CNN）不同，全卷积神经网络在网络的所有层中都使用卷积层，而不是在末端使用全连接层。这样的设计使得全卷积神经网络能够接受任意尺寸的输入图像，并产生相应尺寸的输出，这对于图像分割、图像补全等任务特别有用。），我们
AutoStitch: a new dimension in automatic image stitching
liangchunjiang的博客
06-15 2138
ref: http://matthewalunbrown.com/autostitch/autostitch.htmlWindows | Mac OSX | Licensing | FAQ | PublicationsAutoStitch: a new dimension in automatic image stitching What if your camera could see ever...
图像修复三： Image Completion Approaches Using the Statistics of Similar Patches
闹中求静的博客
01-19 5178
前面介绍了基于边界优先级的图像填充和基于投票加权的填充方式，再实现了另外一个基于graph-cut的算法，应该算是实现的最后一个图像填充传统算法了。貌似目前用传统算法的已经不多了，看到Github上传统算法star基本个位数，star比较高的基本都是deep learning的项目，感觉时代大潮席卷而过，deep learning毕竟可以通过训练学习的方式修复原本不存在于图片中的信息，仅仅这一点，...
2013年IEEE PAMI深度学习专刊论文汇编
IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE Trans on PAMI) 是一个享有盛誉的学术期刊，由IEEE计算机学会出版，专注于模式分析与机器智能领域的最新研究成果。2013年8月的这一期作为...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值