超越语义图像分割：探索视频中的高效推理
计算机视觉与模式识别
2015-07-13 v1
摘要
我们探索了 CRF 推理模块在图像级语义分割之外的效率。其核心思想是结合语义协同标注与利用更具表达力的模型这两个领域的优势。与 [Alvarez14] 类似，我们的公式化方法使我们能够在数秒内对超过一万张图像执行推理。另一方面，它能够处理高阶团势，类似于 [vineet2014] 在区域级标签一致性和基于共现的上下文方面的处理。我们遵循 [vineet2014] 中针对高阶势的平均场更新方法，并受 [Alvarez14] 启发，扩展了空间平滑核和外观核 [DenseCRF13] 以处理视频数据；从而使系统能够最有效地执行视频语义分割。
引用
@article{arxiv.1507.01578,
title = {Beyond Semantic Image Segmentation : Exploring Efficient Inference in Video},
author = {Subarna Tripathi and Serge Belongie and Truong Nguyen},
journal= {arXiv preprint arXiv:1507.01578},
year = {2015}
}
备注
CVPR 2015 workshop WiCV : Extended Abstract