图像基-细节分离算法的真值数据集与基线评估
计算机视觉与模式识别
2016-02-22 v2
摘要
基-细节分离是一个基础的计算机视觉问题，其包括建模包含粗略结构的平滑基底层，以及包含类纹理结构的细节层。估计基层的挑战之一是保持物体或部件之间的尖锐边界，以避免光晕伪影。已提出许多方法来解决此问题，但缺乏用于定量评估的真实图像真值数据集。我们提出了一种构建此类数据集的流程，并提供两个数据集：Pascal Base-Detail 和 Fashionista Base-Detail，分别包含 1000 和 250 张图像。我们的假设是基底层为分段平滑的，并且我们通过多项式模型标注每一段的外观。这些段是来自人工标注的物体及物体的部件。最后，我们提出了一种使用我们的基-细节真值评估方法的方式，并比较了七种最先进算法的性能。
引用
@article{arxiv.1511.06830,
title = {Ground-truth dataset and baseline evaluations for image base-detail separation algorithms},
author = {Xuan Dong and Boyan Bonev and Weixin Li and Weichao Qiu and Xianjie Chen and Alan Yuille},
journal= {arXiv preprint arXiv:1511.06830},
year = {2016}
}
备注
This paper has been withdrawn by the author due to some un-proper examples