手机网站设计神器,大连网站建设辽icp备,团购网站开发需要多久,wordpress 页脚修改文章目录 前言专栏简介适用人群使用方法阅读顺序潜在的创新方向【图像拼接论文精读】专栏文章目录 前言
为什么会有这篇文章#xff1f;
因为专栏简介里写不下太多东西#xff0c;只能通过这篇文章和大家交流#xff0c;算是一个专栏阅读指南吧。
说点心里话 本来吧… 文章目录 前言专栏简介适用人群使用方法阅读顺序潜在的创新方向【图像拼接论文精读】专栏文章目录 前言
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CSDN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。直到我毕业了走上工作岗位后我才发现原本我以为的非常小众的研究领域竟然有这么多人在关注私信我的朋友很多大多是硕士博士要搞这方面的研究而且导师可能比较放养。慢慢地订阅也开始多了起来我发现后立马降低了专栏价格以一个平台分成后算是比较合理的价格设置。由于【图像拼接】领域过于小众难度大门槛高研究的人少需要数学和图形学的基础支撑做讲解、教程的人也少我仗着自己在该领域摸爬滚打了解过几年斗胆做了这样一个专栏供需要该领域研究的学者们快速阅读理解图像拼接论文。 虽然工作了但是该专栏永久更新有新的图像拼接Image Stitching领域论文诞生我会第一时间给大家做论文精读。 有源码的论文源码解读会在另一个专栏更新不过会慢一些因为需要花时间去研究。基于传统特征的方法大多数是matlab的基于深度学习的方法是python的一定会更新的。大家可以关注一下。图像拼接论文源码精读专栏图像拼接论文源码精读 感谢大家听我说了这么多流水账我会把该领域的论文和源码做好的决不辜负订阅这个专栏的人。
专栏简介
图像拼接领域及方向的论文精读包括论文各部分理解、复现以及总结延申。论文包括基于传统特征的图像拼接方法和基于深度学习的图像拼接论文。对应的源码解读请见另一个专栏两部分同步阅读。从原理解读、算法推导再到源码复现带领你深入理解图像拼接在现有技术基础之上的最新研究成果。
论文需要略读和精读一些没有源码的文章我可能就粗略一点可以作为增长见识和拓展思路来阅读一些有源码的顶会/顶刊文章需要精读我会写的比较细致除了搞懂思路和创新点也要在其中学到知识如何为己所用如何寻找创新点并实现。
该专栏并不仅仅是机械的翻译文章而已而是在阅读的过程中体会如何阅读文献如何寻找创新点如何自己写论文。毕竟都是要发文章的不看别人怎么写的自己怎么会写呢。
其实最简单的也是大家最常用的办法就是先写中文论文再翻译成英文最后润色。
那么中文论文是怎么来的呢图像拼接领域的一些词汇如何表述才能翻译的更精准呢那就是看本专栏了。
除此之外本专栏文章的公式全部按照原文章的公式书写有需要markdown公式的朋友可以留言或者私信我。CSDN的markdown语法有的和overleaf不太一样写论文的时候注意一下。
适用人群
研究图像拼接领域的硕士、博士和其他该领域工作者。帮助你快速上手入门科研入门图像拼接。
如果你的导师不懂该领域又放养你你很迷茫不知道该在哪学习那这篇专栏就再合适不过了。看看你是对传统图像拼接感兴趣还是对基于深度学习的图像拼接感兴趣。
如果你已经在该领域学习一段时间有一定的基础那么可以直接去订阅【图像拼接源码精读】专栏毕竟发文章还是得做实验跑代码的读懂代码才能知道如何改进如何创新。不建议没有任何图像拼接基础的同学直接订阅【图像拼接源码精读】专栏因为本专栏不仅有论文精读还又一些基础的图像拼接相关的知识比如单应、TPS、图割等等还涉及很多图形学的知识比如刚性变换三角剖分网格变形超像素等。图像拼接是个很庞大的工作流程每个步骤都可以单独拿出来进行改进所以还是尽可能多的阅读论文了解思路。
要明确你的目标是为了发文章毕业还是为了搞算法研究还是为了工程项目。
使用方法
如果电脑分屏阅读那就原论文一个屏幕本专栏文章一个屏幕对照着阅读。 如果没有菊花链这样的多显示器那就使用ipad或者手机等尽量保证原文和精读文章同时显示。 实在没有就同一个屏幕一边一半显示。 如果用手机或者pad阅读则建议先大概看一下原文有点了解之后再直接看本专栏文章。
论文本身重点关注摘要创新点部分一般在介绍部分结尾相关工作之前。作者会列出来算法部分实验部分。其中
摘要和创新点部分主要了解作者做了什么事解决了什么问题。如果它是基于某篇论文创新的那么要先了解上一篇工作的大概算法算法部分重点说一下如果你想快速理解并上手那么就忽略繁琐的公式尽量用纸笔简单的过一遍。因为图像拼接就是参照图和目标图warp后一顿折腾跟着走一遍比较顺畅。论文中的公式大多写的比较繁琐的原因是因为它是论文不是教程只是让你看着高端。其实有的公式很简单就能写明。我倒不是吐槽而是告诉你当你发论文的时候你也要这么写。所以算法部分除了理解更多的是要学习它的写法用在你自己要发的论文里。最后着重注意有参数的公式、用了某些函数的公式因为那可能是你创新的依据和来源。比较简单的创新就是调参比较高端的创新就是改公式。比如创造能量函数给能量函数添加项等。实验部分重点看原作者是怎么做实验的如何对比说明的自己的方法比SOTA方法更好。要随时记录尽可能地让实验丰富。纵向对比横向对比消融实验等。注不一定所有的待拼接图像在某个算法上的效果都好那不成神仙了。论文作者只是挑了比较好的结果展示你得自己动手跑一下试一下看一看想想为啥有的图像拼接效果不好。这不就分析出特征了吗没准科研就是思路了研究方向就有了。
本专栏还是更多的让大家会读论文试着写论文至于论文的内容如何创新如何读代码做实验更多的细节和想法还是写在另一个专栏中。
本专栏的文章中会有我自己读该论文时候的心得体会和吐槽会用红色标注出来。另外有的文章我会自己总结还会展示展示不同数据集上的效果。
阅读顺序
专栏中的文章标题有缩写的是比较经典的可以作为论文中实验部分的比较方法。是必看的而且代码也要跑通得能跑出结果才能展示实验对比结果。
基于传统方法的图像拼接AutoStitch、APAP、AANAP、SPW、LPC、GSP、GES-GSP AANAP是在APAP基础上实现的LPC是在SPW基础上实现的代码风格类似matlab实现的 GSP、GES-GSP是C实现的 其他SPHP、ELA等代码风格差异很大各自单独看即可。 基于学习的图像拼接UDISUDIS 基于学习的图像拼接论文包含机器学习和深度学习。 其他有两篇R1约束的文章不错是基于机器学习的。matlab实现。其余的基本是python实现。 20231130更新目前基于深度学习的论文精读写的比较少后面狂补。基于传统方法的SOTA方法基本都涉及到了有漏的后面我再补上正在写源码精读专栏matlab生疏了敬请期待。目前主要更新基于深度学习的图像拼接方法既是主流研究方向具有实时性而且比较容易创新所以暂时以其为主。
潜在的创新方向
图像拼接工作流程 基于传统的图像拼接方法基本上是照着如上步骤进行的。在论文中可以叫piplineoverview等。两张图像经过预处理、特征匹配、图像翘曲warp、图像融合最后得到拼接结果。可以创新的步骤有特征检测与匹配、图像翘曲、图像融合。
特征检测与匹配单拿出来已经在图像配准领域发展的很好了有很多深度学习的特征匹配算法。但是不能单拿出来用到图像拼接流程里因为特征没有sift准感受野也不同。如果你想特征匹配用深度学习的方法那么就要考虑后面的流程如何改进。
图像翘曲从全局单应到局部单应是创新从局部单应的网格变形再到三角剖分和超像素是创新现在的发展就是机器学习、深度学习去学习出翘曲后的图像。那么问题就是无法标注真值所以无监督比较火也是现在聂大佬在做的。机器学习用约束限制23年CVPR也发过文章不知道以后能不能发展起来。除此之外可以考虑重叠区域和非重叠区域的平滑问题这也有很多人做过了但是可以试试不同的方法。
图像融合常规的融合方法加权平均融合接缝线融合接缝线融合还能玩出花来吗换目标函数没准是个思路。有用sigmoid的。廖老师有几篇不错的基于接缝线的融合可以多看看。单独拿出来看看图像融合领域的文章不知道能不能有思路。
除了这些全景图后处理也是不错的研究方向。聂大佬这两年就改进了何凯明的两篇图形学文章全景拼接图矩形化和图像内容旋转矫正的。都是用深度学习改进的读一读看看能不能改进提升。
还有一些手段可以尝试作为思路颜色修正直方图平滑光照等因素。
以上提到的文章不出意外都会出现在本专栏中有源码的也会出现在另一个专栏中。
更多详细的【图像拼接】研究思路和创新见专栏中的其他文章比较详细。这里仅作为一个概述。
订阅专栏的同学有问题随时私信我看见了都会回复。
最后感谢大家厚爱共同努力。
【图像拼接论文精读】专栏文章目录
Seam Carving for Content-Aware Image ResizingAs-Rigid-As-Possible Shape ManipulationARAPAdaptive As-Natural-As-Possible Image StitchingAANAPShape-Preserving Half-Projective Warps for Image StitchingSPHPSeam-Driven Image StitchingParallax-tolerant Image StitchingParallax-Tolerant Image Stitching Based on Robust Elastic WarpingELA/REWSuperPoint: Self-Supervised Interest Point Detection and DescriptionAs-Projective-As-Possible Image Stitching with Moving DLTAPAPLeveraging Line-point Consistence to Preserve Structures for Wide Parallax Image StitchingLPCSingle-Perspective Warps in Natural Image StitchingSPWLocal-Adaptive Image Alignment Based on Triangular Facet ApproximationTFA/TFTImage stitching method by multi-feature constrained alignment and colour adjustmentNatural Image Stitching Using Depth MapsPerception-based seam cutting for image stitchingStable Linear Structures and Seam Measurements for Parallax Image Stitching
