.png){kind=icon}
返回
DAN: Distortion-aware Network for fisheye image rectification using graph reasoning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.imavis.2025.105423.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管鱼眼图像具有广角视野，但其应用仍因畸变的存在而受到阻碍。现有的基于学习的方法仍存在伪影和细节丢失问题，尤其是在图像边缘。为解决这一问题，我们提出了畸变感知网络（DAN），一种新颖的用于鱼眼图像校正的深度网络架构，该架构利用图推理技术。具体而言，我们利用图技术的优越关系理解能力，关联不同区域的畸变模式，生成准确且全局一致的展开流。同时，在图像重建过程中，我们采用可变形卷积构建同分辨率特征块，并使用跳跃连接补充详细信息。此外，我们引入基于权重衰减的多尺度损失函数，使模型能更关注高分辨率层的精度，同时增强模型的泛化能力。为解决真实鱼眼图像缺乏定量评估标准的问题，我们提出了一种新的指标，称为线保持度量（Line Preservation Metric）。通过在PLACE365、COCO2017和真实鱼眼图像上的定性和定量实验，所提出的方法在性能和泛化能力方面均证明优于现有方法。
Keyword:
Fisheye image
Distortion rectification
Distortion pattern understanding
Graph reasoning
期刊
IF:
4.2
论文数:
4.1K
被引数:
6.7K
机构
暂无机构信息
引用论文
.png){kind=icon}
A three-dimensional human motion pose recognition algorithm based on graph convolutional networks
PREAI
分享收藏
查看更多内容