全局与局部稀疏子空间优化的运动分割

Jan, 2017

全局与局部稀疏子空间优化的运动分割

Motion Segmentation via Global and Local Sparse Subspace Optimization

Michael Ying Yang, Hanno Ackermann, Weiyao Lin, Sitong Feng, Bodo Rosenhahn

TL;DR本文提出了一种基于仿射子空间模型的特征运动物体分割新框架，该方法通过稀疏 PCA 表示原始轨迹，通过自动搜索最近邻点的稀疏表达来实现局部子空间分离，并提出了一种误差估计来处理缺失数据问题，最后通过谱聚类方法将不同的运动分割出来，实验证明该方法在精度和运算时间上优于其他运动分割方法。

Abstract

In this paper, we propose a new framework for segmenting feature-based moving objects under affine subspace model. Since the feature trajectories in practice are high-dimensional and contain a lot of noise, we firstly apply the sparse PCA to represent the original trajectories with a l

segmentation moving objects affine subspace model sparse pca spectral clustering

发现论文，激发创造

基于谱聚类的运动分割统一模型选择技术

该论文提出了一种统一的模型选择技术，通过结合不同的现有模型选择技术，自动推断用于基于谱聚类的运动分割方法的运动组数，并在 KT3DMoSeg 数据集上评估了该方法在给定簇数为基准信息时与基准方法相比所取得的有竞争力的结果。

Mar, 2024

使用全局尺寸最小化的新方法进行两视角运动分割

我们提出了一种新的刚体运动分割方法，它基于两个视图的非线性嵌入，通过对低维子空间进行分割来区分不同的运动，并采用全局维度和其最小化的概念来克服子空间沿非均匀分布的问题。我们提出了快速投影梯度算法来最小化全局维度，从而从两个视图中分割运动，同时开发了一个围绕所提出的方法的异常值检测框架，并在没有异常值和有异常值的两个视图数据上展示了最先进的结果。

Apr, 2013

移动单目相机的运动分割

本研究讨论了利用点轨迹和光流等方法相互融合，在移动的单目摄像头中识别和分割运动物体，实现对复杂场景中不同对象运动的模拟，最终取得了最先进的效果。

Sep, 2023

结构化稀疏子空间聚类：一种同时学习关联度和子空间聚类的框架

本文提出了一种名为 S$^3$C 的联合优化框架，用于同时学习亲和性和分段，并通过备用方向乘法的组合和谱聚类找到结构稀疏表示和分段。在实验中，对合成数据集、扩展的 Yale B 数据集、Hopkins 155 运动分割数据库和三个癌症数据集进行了测试，证明了这种方法的有效性。

Oct, 2016

使用稀疏子集选择的图像分割

该论文介绍了一种基于稀疏子集选择概念的图像分割方法，该方法采用局部光谱直方图特征将视觉信息编码为高维向量，并将其馈入一种新颖的凸模型，该模型有效地利用特征将超像素分为适当数量的连贯区域。该模型自动确定连贯区域的最优数量和超像素分配以形成最终的分割结果，并且作者设计了一种基于交替方向乘子法的数值算法来解决该模型，该算法高度可并行化且计算效率非常高，论文还通过广泛的实验验证表明，与现有的最先进方法相比，该方法在结合超分割的情况下可以提供高质量和具有竞争力的结果。

Apr, 2018

利用互补的几何模型进行运动分割

本文介绍了一种结合多种模型的多视角谱聚类框架，旨在解决 fundamental matrix 在运动分割中的缺陷，通过测试运动分割数据集，我们证明了这一方法在实际应用中的有效性。

Apr, 2018

运动数据有效的无监督时序分割

我们介绍了一种基于自相似结构的自动化时间分割人体运动数据的方法，并使用邻域图将运动基元聚类成更大的语义实体，实现了完全无监督的分割和分析运动数据的能力。

Oct, 2015

非凸无监督视频分割的全局最优性保证

通过稀疏矩阵和低秩矩阵的和来解决非语义无监督视频目标分割问题，并提出了一种比常见凸松弛更易于计算的非负鲁棒主成分分析方法，在局部搜索方法下可以保证物体分割的唯一性和全局最优性。

Jul, 2019

一种基于 3D 卷积的空间和时间光谱目标分割方法

本论文提出了一种基于图分割的物体分割方法，通过 3D 滤波技术计算像素图的主聚类来实现，其与传统迭代方法相比速度更快且实现更简便，同时要求在像素级别上保持空间和时间的物体一致性，其在未监督和半监督的 DAVIS-2016 数据集上得到了比同类算法更好的结果，也取得了 SegTrackv2 数据集上的最佳结果。

Jul, 2019

通过本地最佳配平面的混合线性建模

提出了一种基于几何的简单快速的方法，通过仿射子空间的并集来建模数据，并利用贪婪选择或谱方法进一步处理子空间集以生成最终模型，可应用于基于跟踪的运动分割和不同光照条件下的面部聚类。

Oct, 2010