Seeded Laplaican：一种用于基于涂鸦的交互式图像分割的特征函数解法
计算机视觉与模式识别
2017-08-29 v2
摘要
在本文中，我们将基于涂鸦的交互式图像分割视为一个半监督学习问题。我们的新方法通过利用高效计算的特征函数来近似特征向量，从而避免了求解昂贵的广义特征向量问题。定义在特征密度上的平滑算子当节点数 n 趋于无穷大时（其中 n 为图中节点数）可恢复图 Laplacian 的精确特征向量。为了在不牺牲精度的前提下进一步降低计算复杂度，我们从用户标注中选取主像素。在我们的实验中，我们使用人类涂鸦与“robot user”标注来指导前景/背景分割以评估我们的方法。我们构建了一个包含五个标注图像数据集的新无偏集合，用于标准化任意基于涂鸦的分割方法的评估流程。我们尝试了多种变体，包括不同的特征向量、主像素数量以及特征向量个数。实验在包含多种自然图像的数据集上进行。相较于最先进的交互式分割算法，我们取得了更好的定性与定量结果。
引用
@article{arxiv.1702.00882,
title = {Seeded Laplaican: An Eigenfunction Solution for Scribble Based Interactive Image Segmentation},
author = {Ahmed Taha and Marwan Torki},
journal= {arXiv preprint arXiv:1702.00882},
year = {2017}
}