ICCVAug, 2017

结构度量：评估前景映射的新方法

PDF
TL;DR利用新的结构相似度度量方法（Structure-measure），提高非二进制前景图的评估准确性，与基于像素误差的现有测量标准相比，该方法同时考虑区域和对象感知的结构相似性，通过在 5 个基准数据集上的 5 种元测量验证优越性。
object segmentationsalient object detectionforeground map evaluationstructural similaritymeta-measures
发现论文，激发创造
  • 用于二值前景图评估的增强对齐度量

    本研究提出了一种新的增强对准度量方法 (E-measure)，结合了局部像素值和图像级平均值，并与现有的二元前景图测量方法相比，在四个广泛应用于计算机视觉领域的数据集上表现出较高的优越性。

    May, 2018

  • 训练深度网络实现空间敏感性

    本文提出了一种可微分而高效的算法来逼近加权 F - 测量度量函数，通过引入空间信息，不牺牲准确性的情况下可以使用比现有方法更简单的模型，加快推断速度并减轻前 / 后处理的需要，对于许多任务可以比传统指标的先进状态匹配（或提高）性能，且在加权 F - 测量方面显著提高了性能。

    Aug, 2017

  • 简化显著性基准测试：分离模型、显著图和度量

    通过贝叶斯决策理论，将视觉显著性模型、显著性地图和评价指标分离，提出了一种基于概率模型的注视密度预测方法，并通过计算这些最优显著性地图来解决了显著性模型评估中不一致的指标问题。

    Apr, 2017

  • Scoot：面部素描的感知度量

    本文介绍了一种名为 “Structure Co-Occurrence Texture” 的感知度量，它同时考虑了块级空间结构和共现纹理统计信息，该方法在人脸素描合成领域中获得了良好的表现。

    Aug, 2019

  • 测量人类视觉分割的不确定性

    通过像素为基础的判断和模型重构，本文探讨了说同异不同判断和图像不确定性如何影响感知分割和各个特征的权重，并将其应用于自然图像和复合材料纹理的分割，以对感知理论进行定量测试和创造分割算法的新基准。

    Jan, 2023

  • 最近人脸对齐方法的实证研究

    本论文提出了一种新的面部对齐评估指标 AUC, 并且在更实用的面部检测下扩充了 300W 数据库，进行了面部对齐灵敏度分析，得出了新的结论。

    Nov, 2015

  • 选择性视频对象抠图

    本文提出了一种基于金字塔直方图的置信度图和基于测地距离的动态模型的视频分割方法，使用本地分类器进行不确定性传递来确定图像区域，并通过对不确定区域的精细化加工得到前景分割结果。此方法能极大地减少手动标注，提高分割性能。在两个标准测试集上进行的实验表明，该方法具有卓越的性能，并且相对于现有技术具有较好的计算效率和减少手动标注的性质。

    Feb, 2017

  • 图像质量评估：统一结构和纹理相似性

    通过卷积神经网络，构建了一种显式容忍纹理重采样的完全参考图像质量模型，利用纹理相似度和结构相似度结合来优化图像质量评估，在现有的数据库和纹理数据库上都表现出了具有竞争力的性能。

    Apr, 2020

  • 评估显著性热点图在医学影像异常定位中的（不）可信性

    该研究评估了 8 种常用显著性图技术在医学图像中的实用性和健壮性，发现所有的技术都未能同时满足局部化实用性、模型权重随机化敏感性、重复性和可重复性这四个标准，并建议在高风险的医学图像中使用检测或分割模型来实现局部化。

    Aug, 2020

  • 全局相似结构下的众包显著性检测

    本研究提出了一种新的框架，通过从人群运动场景中抽取的低级特征转换为全局相似性结构，自动检测并定位人群场景中引人注目的区域。这种方法是无监督的，可以在各种人群情况下自动识别显著区域。

    Oct, 2014