机构名称：
¥ 1.0
摘要。透视失真（PD）导致形状，大小，方向，角度和其他空间关系的前所未有的变化。精确地估计摄像机的固有和外在参数是一项防止综合透视失真的挑战任务。专用培训数据的不可利用性为开发强大的计算机vi-sion方法带来了关键的障碍。此外，失真校正方法使其他计算机视觉任务成为多步骤的方法，并且缺乏性能。在这项工作中，我们通过对Möbius变换的特定家族进行精细颗粒的Pa-Rameter控制来构成减轻透视扭曲（MPD），以模拟现实世界中的失真，而无需估计摄像机的内在和外在参数，并且没有估算实际静止数据的需求。此外，我们提出了一个专用的透视图基准数据集Imagenet-PD，以基准对该新数据集的深度学习模型的鲁棒性。所提出的方法优于ibendement-e和imagenet-X的基准。此外，它显着提高了Imagenet-PD的性能，同时始终如一地在标准数据分布上执行。值得注意的是，我们的方法在三种受PD影响的现实世界应用程序（牛仔计数，Fisheye Image补充和人员重新识别）上的性能提高，以及一个受PD影响的具有挑战性的CV任务：对象检测。源代码，数据集和模型可在https://prakashhipa.github.io/projects/mpd上的项目网页上找到。
möbius变换，用于减轻表示的视角扭曲
主要关键词
相关文件推荐
