利用结构形状先验的 parametric 人体图像分割
计算机视觉与模式识别
2015-01-28 v1
摘要
自然环境中拍摄的人体图像的前景-背景分割是一个尚未解决的开放性问题，原因在于复杂背景、肢体姿态变化、身体比例差异、部分视角以及视角变化的存在。本工作中我们提出类别特定的分割模型，利用 parametric max-flow 图像分割和大量人体形状数据集。我们的贡献如下：(1) 提出一个子模能量模型，将类别特定的结构约束与数据驱动的形状先验相结合，采用 parametric max-flow 优化方法在多项式时间内系统计算模型的所有断点；(2) 设计了一种数据驱动的类别特定融合方法，基于与大规模示例人体形状训练集（实验中为 100,000 个）的匹配，使得形状先验能够针对任意视角和部分视角在线构建；(3) 在两个具有挑战性的数据集 H3D 和 MPII（我们为其添加了前景-背景分割标注）上展示了最先进的结果，相比中级分割方法的最高排名假设估计，我们以最多小一个数量级的假设集规模将性能提升了 20%。
引用
@article{arxiv.1501.06722,
title = {Parametric Image Segmentation of Humans with Structural Shape Priors},
author = {Alin-Ionut Popa and Cristian Sminchisescu},
journal= {arXiv preprint arXiv:1501.06722},
year = {2015}
}