- 博客(9)
- 收藏
- 关注
RSS订阅原创 【论文阅读】特征匹配之Efficient LoFTR模型
我们提出了一种新方法，可以高效地生成图像间的半密集匹配。之前的免检测器匹配器 LoFTR 在处理大视角变化和纹理不佳的情况时表现出了出色的匹配能力，但效率较低。我们重新审视了它的设计选择，并对效率和准确性进行了多方面的改进。一个重要的观察结果是，由于共享局部信息，在整个特征图上执行变换器是多余的，因此我们提出了一种具有自适应标记选择功能的聚合注意力机制，以提高效率。此外，我们发现 LoFTR 的精匹配模块中存在空间方差，这不利于匹配精度。提出了一种新的两阶段相关层，以实现准确的亚像素对应，从而提高精度。
2025-02-18 10:53:25
1186
1
原创 算法碎碎念之双光配准算法
对于局部配准，则比较难满足这一要求，首先局部配准的计算量相比较全局配准会上升，其次，局部配准涉及到逐帧计算，实时性是一个方面，另一个方面是帧间变形的稳定性。而局部配准就是为了消除这一部分误差而研究的，因此必然需要每一帧都计算一个变形场，那么每一帧的变形场都是在变化的，这会造成视频画面的晃动，这就有点类似电子稳像的内容，还要保证帧间的变化足够流畅和稳定。（图像要去畸变后统一尺度）全局配准通过单应性变换对全图进行对齐，这种对齐是粗略的，因为不同的深度视差会导致前景后景的不匹配，这不是一个单应性变换可以解决的。
2025-02-16 18:26:50
903
原创 【论文阅读】运动去模糊之BANet模型
图像运动模糊是物体运动和相机抖动共同作用的结果，这种模糊效果通常是方向性的且不均匀的。先前的研究尝试使用具有自注意力的自循环多尺度、多补丁或多时态架构来解决非均匀模糊，以获得不错的结果。然而，使用自循环框架通常会导致更长的推理时间，而像素间或通道间自注意力可能会导致内存使用过多。本文提出了一种模糊感知注意力网络（BANet），它通过单次前向传递实现准确高效的去模糊。我们的 BANet 利用基于区域的自注意力和多内核条带池来解开不同幅度和方向的模糊模式，并使用级联并行扩张卷积来聚合多尺度内容特征。
2025-02-14 15:44:41
813
1
原创 【论文阅读】运动去模糊之数据增强ID-Blau模型
图像去模糊的目的是从动态场景中捕捉的图像中去除不希望出现的模糊。许多研究都致力于通过模型架构设计来提高去模糊性能。然而，针对图像去模糊的数据增强研究却很少。由于连续运动会在图像曝光过程中产生模糊伪像，我们希望开发一种突破性的模糊增强方法，通过模拟连续空间中的运动轨迹来生成多样化的模糊图像。本文提出了基于隐式扩散的模糊再判断（ID-Blau），利用锐利图像与可控模糊条件图配对，生成相应的模糊图像。我们将模糊图像的模糊参数与其方向和幅度参数化为像素模糊条件图，以模拟模糊轨迹，并将其隐式地表示在连续空间中。
2025-02-14 15:38:27
1221
1
原创 【论文阅读】运动去模糊之DeepRFT+模型
在端到端图像去模糊架构中采用 ResBlock 是一种常见的做法，它可以学习模糊和清晰图像对之间的差异。从模糊图像重建清晰图像需要改变低频和高频信息。尽管传统的ResBlock在捕获图像的高频成分方面可能具有良好的能力，但它往往会忽略低频信息。此外，ResBlock 通常无法对长距离信息进行适当的建模，而长距离信息在从模糊图像重建清晰图像时并非微不足道。在本文中，我们提出了一种带卷积块的残差快速傅立叶变换（Res FFT-Conv Block），能够捕获长期和短期交互作用，同时整合低频和高频残差信息。
2025-02-14 15:25:16
595
1
原创 【论文阅读】双光配准与融合之SuperFusion模型
图像融合旨在整合源图像中的互补信息，合成综合表征成像场景的融合图像。然而，现有的图像融合算法仅适用于严格对齐的源图像，并且当输入图像有轻微的移位或变形时，会在融合结果中导致严重的伪影。此外，融合结果通常只具有良好的视觉效果，而忽略了高级视觉任务的语义要求。本研究将图像配准、图像融合和高级视觉任务的语义要求整合到一个框架中，并提出了一种新颖的图像配准和融合方法，称为 SuperFusion。具体来说，我们设计了一个配准网络来估计双向变形场，以在光度和端点约束的监督下纠正输入图像的几何失真。
2025-02-13 16:04:10
1094
1
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