面向视频与图像中联合分割与定位的前景聚类
计算机视觉与模式识别
2018-11-27 v1 图形学
机器学习
摘要
本文提出一种新颖框架，其中视频/图像分割与定位被转化为一个单一的优化问题，以极弱监督方式将低级外观线索信息与高级定位线索信息相融合。所提框架利用两个不同层次的表示，将边界框与超像素之间的空间关系作为线性约束加以利用，并在边界框与超像素层次上同时区分前景与背景。与主要依赖判别聚类的先前方法不同，我们引入了一个前景模型，该模型最小化物体在所有图像帧间的直方图差异。利用超像素与边界框之间的几何关系，能够实现分割线索向定位输出的传递以改进后者，反之亦然。前景模型的引入将我们的判别框架推广到视频数据，其中背景往往相似因而缺乏判别性。我们在 YouTube Object 视频数据集、Internet Object Discovery 数据集与 Pascal VOC 2007 上展示了我们统一框架的有效性。
引用
@article{arxiv.1811.10121,
title = {Foreground Clustering for Joint Segmentation and Localization in Videos and Images},
author = {Abhishek Sharma},
journal= {arXiv preprint arXiv:1811.10121},
year = {2018}
}
备注
In Proceedings of NIPS 2018