XCalib Depth-Guided Geometric Optimization for Dense Thermal-Visible Video Registration
本文提出XCalib框架,通过几何优化和深度预测解决热可见视频配准中的空间错位问题,提高对准精度和时间稳定性。
0 citationsRead paper
本文提出XCalib框架,通过几何优化和深度预测解决热可见视频配准中的空间错位问题,提高对准精度和时间稳定性。
本文提出了一种基于连续神经音频编码表示的掩码自回归语音增强方法(MARSE),通过迭代解码掩码干净语音帧来提高语音质量和可懂度。
本文提出一种轻量级可解释的RGB引导高光谱超分辨率框架,通过跨模态流对齐和基于模型的Gram-Schmidt正交化融合解决真实场景中跨分辨率错位问题。
本文提出XCalib框架,通过几何优化和深度预测解决热可见视频配准中的空间错位问题,提高对准精度和时间稳定性。
本文提出了一种基于连续神经音频编码表示的掩码自回归语音增强方法(MARSE),通过迭代解码掩码干净语音帧来提高语音质量和可懂度。
本文提出一种轻量级可解释的RGB引导高光谱超分辨率框架,通过跨模态流对齐和基于模型的Gram-Schmidt正交化融合解决真实场景中跨分辨率错位问题。