用于无约束视频分割的多线索结构保持MRF
计算机视觉与模式识别
2015-07-01 v1
摘要
视频分割是理解视频语境的基石。视频分割能够通过将视频分解为由完整或局部对象组成的连贯区域来表示视频。然而，挑战源于大多数视频分割算法基于无监督学习，因为逐像素视频标注成本高昂且相似无约束视频类内存在差异性。我们提出了一种用于无约束视频分割的马尔可夫随机场(Markov Random Field)模型，该模型依赖于多线索的紧密集成：顶点由基于轮廓的超像素定义，一元势来自时间平滑标签似然，二元势来自视频的全局结构。多线索结构是在无监督情况下为无约束视频提取连贯对象区域的突破。我们在VSB100数据集上的实验表明，所提模型显著优于竞争的最先进算法。定性分析说明该模型的视频分割结果与人类的对象感知一致。
引用
@article{arxiv.1506.09124,
title = {Multi-Cue Structure Preserving MRF for Unconstrained Video Segmentation},
author = {Saehoon Yi and Vladimir Pavlovic},
journal= {arXiv preprint arXiv:1506.09124},
year = {2015}
}