Dec, 2017

用于嘈杂自由移动相机视频的全景鲁棒主成分分析进行前景 - 背景分离

PDF
TL;DR提出一种新的稳健 PCA 方法，用于自由移动相机视频的前景背景分离，可处理可能的稠密和稀疏污染。该方法可以注册受损视频的帧，然后将由相机运动引起的透视差异编码为全局模型中的缺失数据。我们将已注册的视频建模为低秩成分，平滑成分和稀疏成分的总和。该方法在实践中已经表现出卓越的表现。
robust pcaforeground-background separationvideosparse corruptionslow-rank matrix estimator
发现论文，激发创造
  • 学习时空正则化张量稀疏低秩主动核 PCA 用于背景减法

    该研究提出了一种基于空时正则化的张量稀疏 RPCA 算法，用于精确的视频背景减除，并在六个公开数据集上进行了实验证明其相比现有方法具有卓越的性能。

    Sep, 2023

  • 实时鲁棒主成分追踪

    研究了低秩矩阵被稀疏离群值破坏的问题，并提出了一种称为实时稳健主成分追踪的解决方案，该方案使用了时间相关性模型来处理相关的稀疏离群值。

    Oct, 2010

  • 背景 / 前景分离的低秩加法矩阵分解：与大规模数据集的比较评估综述

    该论文综述了基于低秩矩阵和稀疏矩阵分解的鲁棒子空间学习和跟踪算法，对现有算法进行了测试和排名，结果表明有 32 种不同的鲁棒子空间学习 / 跟踪方法在背景 / 前景分离中有不同的表现。

    Nov, 2015

  • 动态背景减除的在线稳健矩阵分解

    本文提出了一种基于高斯混合模型 (MoG) 的在线背景消除方法，该方法使用了一种特殊的 MoG 混合模型对每一帧的前景进行建模，并通过前一帧的前景 / 背景知识对 MoG 混合模型进行规范化。此外，本文还嵌入了仿射变换操作符来适应各种视频背景变换，并通过子采样技术来实现实时视频处理。与现有的在线和离线背景消除方法相比，实验表明，所提出的方法具有优越性能。

    May, 2017

  • 一种具有超像素运动检测的鲁棒背景初始化算法

    本文提出了一种基于超像素运动检测的鲁棒背景初始化方法，旨在通过利用空间和时间特征来消除前景对象并生成可靠的背景候选项以实现图像分割。实验表明，该方法在速度方面具有优势，并可在复杂的动态场景下生成最佳结果，从而证明了它对各种挑战的鲁棒性。

    May, 2018

  • 大规模结构化噪声中的递归稀疏恢复及递归鲁棒 PCA（部分 1 和 2 合并）

    本文研究递归鲁棒主成分分析问题，通过提出的基于低维子空间的 Recursive Projected CS 方法及其简化版，在已知 $L_t$ 的子空间改变模型并对其谐波的假设下，能高概率恢复时间序列的稀疏向量 $S_t$ 及密集噪声 $L_t$，并应用于视频监控等领域。

    Dec, 2013

  • 伪贝叶斯鲁棒 PCA：算法和分析

    探讨使用罕见值鲁棒性来降低传统主成分分析的敏感性，研究低秩分解与稀疏分量，提出了一种新型的伪贝叶斯算法来解决现有非凸方法的设计缺陷，达到了顶尖表现及可扩大的操作范围。

    Dec, 2015

  • 全局与局部稀疏子空间优化的运动分割

    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。

    Jan, 2017

  • 在线（离线）鲁棒主成分分析：新算法和性能保证

    本研究旨在解决在线稳健主成分分析问题，提出了一种基于递归投影压缩感知框架的在线算法，并在合理的假设下给出了其性能保证。

    Jan, 2016

  • 基于双视角帧的复杂动态场景单目稠密三维重建

    本文提出了一种新的单目密集三维重建方法，利用超像素过分割模拟动态场景，并减少结构运动中固有的相对尺度模糊问题。经实验表明，该方法在合成和真实单目序列方面相对优于业界最先进的方法。

    Aug, 2017