深度极值切割:从极值点到目标分割
计算机视觉与模式识别
2018-03-28 v2
摘要
本文探索使用目标中的极值点(最左、最右、最上、最下像素)作为输入,以获得图像和视频的精确目标分割。为此,我们在卷积神经网络(CNN)输入的图像中增加一个额外通道,其中包含以每个极值点为中心的高斯函数。CNN学习将这一信息转换为与这些极值点相匹配的目标分割。我们展示了该方法在引导分割(grabcut风格)、交互式分割、视频目标分割以及密集分割标注中的实用性。我们表明,在广泛且多样的基准测试和数据集选择中,我们以最少的用户输入获得了迄今为止最精确的结果。我们所有的模型和代码均公开于 http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr/。
引用
@article{arxiv.1711.09081,
title = {Deep Extreme Cut: From Extreme Points to Object Segmentation},
author = {Kevis-Kokitsi Maninis and Sergi Caelles and Jordi Pont-Tuset and Luc Van Gool},
journal= {arXiv preprint arXiv:1711.09081},
year = {2018}
}
备注
CVPR 2018 camera ready. Project webpage and code: http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr/