摘要
本发明属于计算机视觉与图像修复技术领域,具体公开了一种基于元学习与跨模态引导的双目图像轻量化修复方法、电子设备及可读存储介质,其方法包括S1、预处理双目RGB图像和深度图,生成污损区域掩码并执行分块处理,构建训练数据集;S2、采用三分支特征提取网络分别获取左目、右目RGB图像及深度图的特征,完成多模态特征的空间对齐;S3、采用视差引导的跨模态注意力机制融合多模态特征,通过动态权重分配实现多模态间的自适应交互;S4、基于元学习框架生成自适应的损失权重,优化跨模态联合损失;S5、物理约束抑制反光区域伪影;S6、重建修复后的双目RGB图像与深度图,计算多尺度联合损失;S7、采用元学习的内外层循环更新策略,实现图像修复。
技术关键词
修复方法
深度图
融合多模态特征
跨模态
动态权重分配
联合损失函数
波纹特征
双三次插值
特征提取网络
图像修复技术
注意力机制
网络模块
分块技术
电子设备
强化特征
可读存储介质
系统为您推荐了相关专利信息
眼部图像处理方法
分区
疲劳监测系统
跨模态
图像特征参数
文本特征向量
图像特征向量
节点
信息检索方法
图谱
特征提取单元
多模态
模型预训练
数据编码
模态特征
有序充电方法
功率控制
充电桩群组
预估到达时间
策略
糖尿病血管
影像检测系统
影像采集模块
动态
跨模态