Eigencontours：基于低秩近似的新型轮廓描述子
计算机视觉与模式识别
2022-03-30 v1
摘要
本文提出一种基于低秩近似、称为 eigencontours 的新型轮廓描述子。首先，我们构建一个包含训练集中所有物体边界的轮廓矩阵。其次，我们通过最佳秩-M 近似将轮廓矩阵分解为 eigencontours。第三，我们用 M 个 eigencontours 的线性组合表示一个物体边界。我们还将 eigencontours 融入一个实例分割框架。实验结果表明，所提出的 eigencontours 能在低维空间中比现有描述子更有效且更高效地表征物体边界。此外，所提算法在实例分割数据集上取得了有意义的性能。
关键词
引用
@article{arxiv.2203.15259,
title = {Eigencontours: Novel Contour Descriptors Based on Low-Rank Approximation},
author = {Wonhui Park and Dongkwon Jin and Chang-Su Kim},
journal= {arXiv preprint arXiv:2203.15259},
year = {2022}
}
备注
accepted to CVPR2022 (oral)