用于时空显著性方法的快速非参数熵估计
计算机视觉与模式识别
2013-02-01 v1
摘要
本文将自底向上视觉显著性公式化为中心环绕条件熵，并提出了一种快速高效的计算显著性图的技术。表明新的显著性公式与基于自信息的显著性、决策理论显著性和贝叶斯惊奇定义一致，但也面临同样的重大计算挑战：在有限样本的高维空间中估计概率密度。我们开发了一种快速高效的非参数方法，使这类显著性图的实际实现成为可能。通过将中心区域和环绕区域的像素对齐，并将其位置坐标视为随机变量，我们使用k-d划分方法高效估计中心环绕条件熵。我们在两个公开的眼动跟踪静态图像数据库上展示了实验结果，表明新技术与最先进的自底向上显著性计算方法具有竞争力。我们还将该技术扩展到计算视频的时空视觉显著性，并针对车载移动车辆上拍摄的视频中的眼动跟踪数据评估自底向上时空显著性，其中驾驶员的眼睛由头戴式眼动跟踪器跟踪。
引用
@article{arxiv.1301.7661,
title = {Fast non parametric entropy estimation for spatial-temporal saliency method},
author = {Anh Cat Le Ngo and Guoping Qiu and Geoff Underwood and Kenneth Li-Minn Ang and Jasmine Kah-Phooi Seng},
journal= {arXiv preprint arXiv:1301.7661},
year = {2013}
}