035: ***
A Perceptual Measure for Deep Single Image Camera Calibration
深度单镜头相机校准的感知测量
1.深度卷积神经网络、
2.大多数当前的单图像相机校准方法依赖于特定的图像特征或用户输入，并且不能应用于在不受控制的设置中捕获的自然图像。我们建议使用深度卷积神经网络从单个图像直接推断相机校准参数。该网络使用来自大规模全景数据集的自动生成的样本进行训练，并且在标准L2误差方面明显优于其他方法，包括最近基于深度学习的方法。本文开发了一种新的相机校准感知测量方法，用以证明此深度校准网络优于其他方法。
3.在本文中，首先分析了人类对于虚拟物体插入环境图片时相机的俯仰角，滚动和视野估计误差的敏感性。研究表明，人类并不总是对大错误敏感，特别是当滚动发音时，或者视野低估时，所以提出了一种基于CNN的单图像校准估计方法，该方法可以支持图像检索，几何一致的2D对象传输和虚拟3D对象插入等应用。经过调查，发现学习模型正在寻找具有语义意义的消失线，与基于几何的自动校准技术相似。最后，利用用户研究结果来定义基于人类感知的距离函数，用于将CNN与以前的方法进行比较。
4.本文CNN在大量现实场景中十分稳健，但是当前水平线参数化不能表示极端俯仰角。
5.Yannick Hold-Geoffroy, Kalyan Sunkavalli 美国
