LIBSVX：用于早期视频处理的超体素库与基准
计算机视觉与模式识别
2017-04-28 v1
摘要
超体素分割有很强潜力被纳入早期视频分析，正如超像素分割在图像分析中所做的那样。然而，存在许多可行的超体素方法，且对于每种方法在何时何地最合适知之甚少。事实上，我们不知道有任何一个关于超体素分割的比较研究。为此，我们研究了七种超体素算法，包括离线和流式方法，基于我们认为好的超体素的标准：即时空均匀性、对象/区域边界检测、区域压缩和简洁性。为评估，我们提出了一套全面的七个质量度量来衡量这些理想的超体素特性。此外，我们在一个超体素分类任务中评估这些方法，作为超体素在视频分析中后续高级使用的代理。我们使用了六个现有的基准视频数据集，具有多种内容类型和密集人工标注。我们的发现给出了结论性证据：基于层次图(GBH)、加权聚合分割(SWA)和时间超像素(TSP)方法是七种方法中表现最佳的。它们在分割精度方面都表现良好，但在其他期望属性方面有所不同：GBH 最好地捕捉对象边界；SWA 具有最佳的区域压缩潜力；TSP 取得最好的欠分割误差。
引用
@article{arxiv.1512.09049,
title = {LIBSVX: A Supervoxel Library and Benchmark for Early Video Processing},
author = {Chenliang Xu and Jason J. Corso},
journal= {arXiv preprint arXiv:1512.09049},
year = {2017}
}
备注
In Review at International Journal of Computer Vision