面向时空同址图像集合的协同分割
计算机视觉与模式识别
2017-02-01 v1
摘要
我们提出了一种面向时空同址图像集合的协同分割技术。这些普遍存在的集合通常多由多位摄影者捕捉各种动态事件，且可能包含多个共现物体，这些物体未必属于预期的前景物体，从而给传统协同分割技术带来歧义。因此，为消歧何种物体为共同前景物体，我们引入了一种弱监督技术，仅假设一个以单张已分割图像形式给出的小种子。我们采用分布式方法，将局部置信模型在相似图像间传播并强化。我们的技术在整个集合上逐步扩展前景与背景置信模型。该技术无需构建全局模型即可利用整组图像的力量，从而成功克服了共同前景物体在外观上的巨大差异。我们证明，在具有挑战性的时空同址集合（包括为适应本新问题设定而调整的密集基准数据集）上，我们的方法优于以往的协同分割技术。
引用
@article{arxiv.1701.08931,
title = {Co-segmentation for Space-Time Co-located Collections},
author = {Hadar Averbuch-Elor and Johannes Kopf and Tamir Hazan and Daniel Cohen-Or},
journal= {arXiv preprint arXiv:1701.08931},
year = {2017}
}