研究人员开发了一种名为 Distortion Extenders (DEX) 的方法,用于将现有的视觉基础模型适配到鱼眼相机。这些模型通常在标准透视图像上训练,当应用于鱼眼图像时,由于径向畸变,结果往往不准确。DEX 引入了可学习的参数,用于模拟鱼眼畸变系数以及鱼眼和透视图像嵌入之间的分布变化。通过最小化自监督对齐损失,DEX 转换鱼眼图像嵌入以匹配透视图像的嵌入,从而恢复单目深度估计和开放词汇分割等任务的高保真估计。该方法与架构无关,并在各种鱼眼数据集上展示了优于基线模型的改进。 AI
影响 使先进的视觉模型能够更广泛地应用于机器人和监控中常见的鱼眼镜头数据。
排序理由 学术论文,详细介绍了一种改编计算机视觉模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Dex
- Distortion Extenders
- Gotit.pub
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →