用于非刚性运动分割与时空解卷积的时间 Wasserstein 非负矩阵分解
应用统计
2019-12-10 v1 计算机视觉与模式识别
机器学习
图像与视频处理
定量方法
摘要
自然图像的运动分割通常依赖于稠密光流以产生点轨迹，这些轨迹可通过谱聚类或最小代价多割等各种手段分组为簇。然而，在生物成像场景（如荧光显微镜或钙成像）中，信噪比受损且出现强度波动，光流可能难以近似。为此，我们提出一种基于最优传输的运动分割替代范式，该范式将视频帧建模为以直方图表示的时间变化质量。因此，我们将运动分割视为具有 Wasserstein 度量损失的时间非线性矩阵分解问题。该分解的字典元素产生运动到相干对象的分割，而载荷系数可捕捉运动对象的时间变化强度信号。我们在模拟的多电极漂移场景以及秀丽隐杆线虫（C. elegans）的钙指示荧光显微镜视频上展示了所提范式的应用。后一应用还具有提取自由行为中动物神经活动的附加效用。
引用
@article{arxiv.1912.03463,
title = {Temporal Wasserstein non-negative matrix factorization for non-rigid motion segmentation and spatiotemporal deconvolution},
author = {Erdem Varol and Amin Nejatbakhsh and Conor McGrory},
journal= {arXiv preprint arXiv:1912.03463},
year = {2019}
}