维护场景中的大标准几许结构在图画拼接中起着重要的效果。现有办法大多疏忽了直线或曲线所反映的大标准布局，降低了全体拼接质量。未处理这个问题，论文作者提出了一种维护几许结构的拼接办法，发生的全景图画具有天然的视觉效果和较少的失真。提出的办法首要选用依据深度学习的边际检测的新办法提取许多类型的大标准边际。然后，对提取的边际进行采样，构建多组三角形来表明几许结构。一起，引进一个几许结构维护（GES）能量项，使这些三角形进行类似改换。在此基础上，合理确认采样点在几许结构上的权重，逐渐优化GES能量项，完成了部分对齐和几许结构之间的滑润过渡。将该能量项加入到GSP 拼接模型中，终究得到本文所提出的图画拼接模型GES-GSP。经过在拼接数据集上的归纳试验，验证了GES-GSP算法的有效性。试验依据成果得出，该办法在维护几许结构方面优于现有代表性办法，获得了更天然的拼接成果。

  CVPR是计算机视觉范畴排名榜首的国际会议，也是我国计算机学会（CCF）引荐的人工智能方向的A类会议。依据2021年度谷歌学术期刊和会议影响力榜单，IEEECVPR全球排名第4，有着很强的学术影响力。