DEX 用可学习参数把鱼眼图像潜嵌入对齐到透视图像。
资讯摘要
论文提出 Distortion Extenders（DEX），用一组可学习参数建模鱼眼畸变系数及鱼眼与透视图像在潜空间中的分布偏移，通过自监督对齐损失把鱼眼图像的潜嵌入变换为接近透视图像的形式。作者报告该方法与架构和任务无关，在单目深度估计和开放词汇分割上对卷积与 Transformer 架构均优于基线，覆盖室内外鱼眼数据集；DEX 的激活还可解码为畸变系数以支持相机标定。代码已公开。
要点速读
- DEX 用可学习参数建模鱼眼畸变系数和潜空间分布偏移，以自监督对齐损失缩小鱼眼与透视图像的差异。
- 作者在单目深度估计和开放词汇分割任务、卷积与 Transformer 架构上验证，称在室内外鱼眼数据集上一致优于基线。
- DEX 的激活可解码为畸变系数，用于相机标定；代码已在 GitHub 发布。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。