文：林槟燕
近日召开的Computational Visual Media Conference (CVM 2022)国际会议，课题组有两篇论文在会议上报告，其中一篇被录用为oral presentation, 被推荐至CVMJ期刊，另一篇以poster形式在大会上报告。CVM会议是关于计算机图形学，计算机视觉，机器学习，图像处理，视频处理，可视化和几何计算等方面的国际会议。CVMJ发表与可视媒体理论、方法和系统有关的原创和高质量研究论文，以及其他跨学科的可视媒体研究，如与计算机图形学、计算机视觉、图像和视频处理、几何计算和机器学习等的交叉融合。CVMJ已被24个国内外著名数据库收录，包括SCI、EI和DBLP、INSPEC、Scopus、DOAJ、OCLC等，同时是工程技术2区。
两篇的具体论文信息如下：
- Juan Cao, Xiaoyi Zhang, Jiannan Huang, Yongjie Jessica Zhang. Polygonal Finite Element Based Content-Aware Image Warping.
论文提出了一种基于高阶广义重心坐标的形变函数表示方法。图像缩放在不同分辨率显示屏之间的转换以及不同软件的图像显示中有广泛应用。现有的缩放形变法只在拓扑单一的三角形或四边形网格上采用低次多项式，虽然计算快，但由于自适应能力较弱，逼近阶数低，因此常常会导致结果不满意。该算法可以通过定义在多边形网格上的高阶广义重心坐标将形变映射表示为分片光滑的 0 连续函数，然后通过多边形网格的变形来驱动图像变形。本文首先介绍了高阶广义重心坐标，由于其自身性质，大大提高了形变函数的表示能力，并保证了各个多边形片元间的连续性；其次介绍了显著值检测，通过实验确定每个像素点的权重值；然后介绍了网格剖分的具体流程，通过密度图以及去短边操作得到最终的输入网格；最终通过最小化能量函数，求得最后的形变函数表达式。最后本文还将基于二阶广义重心坐标的形变框架应用在一组图像缩放图片库上，且与 14 种现有的方法 (其中 3 种为最新的方法，11 种为经典方法) 进行了比较，并使用了 OQA 评分系统给各个方法的结果进行打分，实验结果表明，我们的内容敏感图像缩放算法在缩放质量和网格尺寸之间取得了更好的平衡，整体获得了更好的结果。另外，本文的框架有较强的拓展性，可适用于其他广义重心坐标、显著值检测算法以及形变能量函数。
该论文由课题组已毕业硕士生张晓怡、黄剑男，课题组曹娟副教授，以及CMU的Yongjie Jessica Zhang教授合作完成。
- Juan Cao, Binyan Lin, Zhonggui Chen. Adaptive Content-aware Correction for Wide-angle Portrait Photos.
广角相机在照片边缘的成像常常带有明显的畸变，为保证图片矫正的质量，目前大多数方法多基于密集的四边形网格利用优化方法建立矫正模型来去除广角人像畸变，但大量的网格顶点会影响求解人像矫正优化问题的效率。且大多数工作只关注人脸矫正，导致矫正后人像头部和身体的比例不协调。论文基于自适应三角网格提出了一种内容敏感的广角人像矫正优化方法，通过将体视投影应用到人像区域、透视投影应用到背景区域，构建了一个高效的能量优化框架，以消除广角透视照片中的人像失真。本文算法首先根据图片的内容生成自适应三角网格，然后充分利用三角形的特性，从人像区域、背景区域、边界区域三个角度设计了对应的度量广角失真程度的能量项。 同时为增加本文算法的适用性，本文在优化框架中嵌入了直线约束以满足用户的特别需要。最后通过最小化能量函数，得到矫正后的无畸变的广角人像照片。实验结果表明本文算法对于各类场景的图片有较强的鲁棒性。且通过使用自适应网格极大地减少了网格所需的顶点数量，显著提高了求解广角矫正优化问题的求解效率。与其他工作的对比结果同样展现了本文在优化问题求解的高效性以及在人像比例协调性上的优势。
该论文由课题组硕士生林槟燕，课题组曹娟副教授和陈中贵教授合作完成。论文报告引起与会嘉宾的强烈兴趣，该论文已修改后投稿国际期刊。
