一种用于高动态范围视频的基于学习的视觉显著性融合模型（LBVS-HDR）
计算机视觉与模式识别
2018-03-14 v1
摘要
标准动态范围（SDR）视频的显著性预测在过去十年中已得到充分探索。然而，关于高动态范围（HDR）视觉注意模型（VAMs）的研究十分有限。考虑到 HDR 内容在动态范围与色域方面的特性与 SDR 内容截然不同，为设计 VAM 识别 HDR 视频不同显著性属性重要性并理解如何组合这些特征至关重要。为此，我们提出了一种用于 HDR 内容的基于学习的视觉显著性融合方法（LVBS-HDR）以组合多种视觉显著性特征。在我们的方法中，从 HDR 数据中提取多种显著图，然后为融合显著图，使用随机森林（Random Forests）算法基于眼动追踪实验所收集的数据训练模型。性能评估证明了所提融合方法相对于其他现有融合方法的优越性。
引用
@article{arxiv.1803.04827,
title = {A Learning-Based Visual Saliency Fusion Model for High Dynamic Range Video (LBVS-HDR)},
author = {Amin Banitalebi-Dehkordi and Yuanyuan Dong and Mahsa T. Pourazad and Panos Nasiopoulos},
journal= {arXiv preprint arXiv:1803.04827},
year = {2018}
}