DIR-D

由于没有适当的数据集可用，因此我们构建了一个深图像矩形数据集 (DIR-D) 来监督我们的培训。首先，我们将He等人的矩形应用于真实的拼接图像，以生成合成矩形图像。然后，我们利用矩形变换的逆将真实的矩形图像扭曲为合成拼接图像。最后，我们严格地从数万个合成图像中手动过滤掉没有失真的图像，产生了具有6,358样本的数据集。

As no suitable dataset was available, we constructed a Deep Image Rectangle Dataset (DIR-D) for supervised training. First, we applied the rectangle transformation proposed by He et al. to real spliced images to generate synthetic rectangular images. Then, we used the inverse of the rectangle transformation to warp real rectangular images into synthetic spliced images. Finally, we manually and strictly filtered out undistorted images from tens of thousands of synthetic images, resulting in a dataset containing 6,358 samples.

搜集汇总

背景与挑战

背景概述

DIR-D是一个用于图像矩形化任务的深度学习数据集，包含6,358个样本，旨在解决现有数据不足的问题。它通过合成和手动过滤方法构建，涉及矩形变换和逆变换过程，以提高图像拼接的质量。该数据集由学术机构发布，并关联到CVPR 2022的研究论文，适用于计算机视觉领域的监督训练。