论文精读8:Coming Down to Earth: Satellite-to-Street View Synthesis for Geo-Localization

本文介绍了一种将卫星图像转化为街景图像的方法,通过极坐标转换预处理,然后利用GAN进行进一步的图像生成。该方法旨在提高跨视角视觉定位的准确性,解决传统GAN在图像内容保留和端到端训练方面的不足。研究中,极坐标转换有助于保留图像的基本布局,而GAN则用于生成逼真的街景图像。这种方法将图像合成与检索过程相结合,提高了图像转换的精确度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Coming Down to Earth: Satellite-to-Street View Synthesis for Geo-Localization


  • Coming Down to Earth: Satellite-to-Street View Synthesis for Geo-Localization

    • 时间

      • 2021
    • 作者

      • PhD Student Technical University of Munich

      • Aysim Toker

    • idea

      • 极坐标转换 polar coordinate transformation 是一个出色的图像检索的预处理步骤

      • GAN是一个出色的生成逼真图像的工具,但是在用于跨视角视觉定位的时候,并不足够的准确,缺乏强烈的激励来让图像生成保留输入图像的内容,而且不允许端到端的培训

      • 因此对于图像预处理的要求以保留更多图像本身的内容为重点

      • 现在的工作往往把图像合成和图像检索分割开来,但是协同合并的效果是很显著的;所以这篇论文的核心思想是把跨视角图像检索和

      • 所以他就把极坐标转换和GAN两者结合起来了,先用极坐标系转换将卫星图像转换为合成街景图像,再利用这个初步合成的街景图像作为GAN的输入,最后利用GAN将合成街景图像生成为真实街景图像。也就是说本篇论文在使用GAN的时候,先用合成街景图像作为先验输入,可以减少GAN直接从卫星图像转为街景图像的难度,并且增加精度

    • method

      • 极坐标转换

        • 俯视图卫星图像中的圆形线在地面视图中变成水平线。反之亦然,在新的坐标集合中,放射线与垂线对应。

        • 极坐标转换尊重源图像的内容,基本上保留了图像场景中的基本布局

        • 有缺点

      • 很难完全消除差距,比如天空就不能完美的转换还原

      • GAN

        • 可以通过GAN生成高度逼真的图像
      • 系统结构图

      • 这篇论文需要补充一些GAN的相关知识,还需要去读一下GAN的有关论文

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

枫楠Kuiy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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