L1正则化重建误差作为Alpha抠像
计算机视觉与模式识别
2017-04-05 v1
摘要
基于采样的alpha抠像方法传统上遵循合成方程，从一对前景（F）和背景（B）样本估计像素的alpha值。选择产生最小重建误差的（F,B）对，随后进行alpha估计。该残差误差的重要性一直未被考察。在本文中，我们提出了一种视频抠像算法，该算法使用F和B样本的L1正则化重建误差作为alpha抠像的度量。利用基于相干敏感哈希的多帧非局部均值框架来确保视频抠像中的时间相干性。在专门用于视频抠像的数据集上的定性和定量评估证明了所提抠像算法的有效性。
引用
@article{arxiv.1702.02744,
title = {L1-regularized Reconstruction Error as Alpha Matte},
author = {Jubin Johnson and Hisham Cholakkal and Deepu Rajan},
journal= {arXiv preprint arXiv:1702.02744},
year = {2017}
}
备注
5 pages, 5 figure, Accepted in IEEE Signal Processing Letters