黄Stitch:无监督深度图像接的黄壁画

科学领域:

• 数字遗产是数字遗产的一部分.
• 计算机视觉 计算机视觉
• 文化保护 文化保护

背景情况:

• 文化遗产的数字化建设促进了跨时空的资源共享.
• 数字存储对于文化文物数字化至关重要,而图像拼接对于湖壁画至关重要.
• 传统和现有的深度学习拼接方法与低质感的壁画,抛物线和幽灵作斗争.

研究的目的:

• 为了解决数字化和存储湖壁画的需要.
• 开发一个先进的基于深度学习的图像拼接方法,用于湖壁画.
• 提高文化遗产文物数字重建的准确性和质量.

主要方法:

• 构建两个敦壁画拼接数据集.
• 一个渐进回归图像对齐网络的设计.
• 开发特征差异重建软编码接网络和质量评估方法.

主要成果:

• 拟议的算法实现了湖壁画的最先进的对齐和拼接性能.
• 使用较少模型参数的无监督学习方法证明了有效性.
• 成功地合了低质感的壁画,解决了和幽灵问题.

结论:

• 开发的深度学习算法为湖壁画的数字化和保存提供了有效的技术支持.
• 这种方法推进了数字文化遗产领域,为复杂的图像拼接任务提供了强大的解决方案.
• 代码和模型的可用性促进了文化遗产数字化方面的进一步研究和应用.