基于极小测地线框架、自适应切割方法以及基于图的边界提议分组方法,提出了一种新型图像分割模型,实验证明该模型在应用于图像分割上优于最先进的基于极小路径的方法。
Sep, 2023
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
本文提出了一种深度学习交互分割方法,通过将用户交互与 CNN 结合,使用测地距离变换来提高自动 CNN 分割的精度和鲁棒性,并将用户交互作为硬约束集成到反向传播式 CRF 中,以实现在更高的精度下减少用户干预的目的。实验结果表明,与传统的交互式方法相比,该方法在自动 CNN 分割的基础上实现了大幅提升,并且在少数用户干预和更短的时间内具有可比甚至更高的准确性。
Jul, 2017
本文提出了一种通过凸松弛来拟合和分割多结构数据的方法,并演示了该方法在从图像中估算平面提取与单应性估计等问题上的高精度表现。
Jun, 2017
本文介绍了一种新方法,首次允许将凸形约束应用于图像分割,该方法在最小成本多切问题上通过一类约束来实现,通过在分支 - 切割循环中将所提出的约束分离到最先进的 ILP 求解器的状态,得到了很好的结果。
Sep, 2015
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
本论文提出了一种由混合符号压力函数驱动的主动轮廓模型,该模型结合全局和局部信息构建。实验和数值分析表明,该模型在处理具有强度不均匀性和噪声的图像的分割任务中具有优异的性能。
Mar, 2024
该研究提出了一种使用 Geodesic Convolutional 神经网络,通过把原始形状用 poly 立方地图重新映射,使用 GPU 而不是 CPU 进行计算,实现快速准确地优化复杂形状
Feb, 2018
本文提出了一种基于 I - 散度 - TV 去噪模型的新型局部统计变分主动轮廓模型,可用于分割被乘性伽马噪声损坏的图像,并通过向所提出模型的水平集演化(LSE)方程添加扩散项来构建反应扩散(RD)方程,进而将所提出模型转化为经典 ROF 模型。
Jan, 2024
提出了一种使用欧氏距离图将矩形作为软约束的新型分割方法,通过将图像与这些距离图拼接并将对象掩模预测为输出,我们的方法在给定不精确的矩形的情况下获得准确的分割结果,且适用于交互式分割和实例分割,同时在不重新训练的情况下扩展到基于曲线的输入,并通过条件随机场解决重叠问题,实验结果表明了该方法的有效性。