Nov, 2018

基于中轴线的显著性度量进行轮廓场景分类

PDF
TL;DR该研究使用卷积神经网络（CNNs）和基于介轴的轮廓显著性方法对线描图进行场景分类，进一步探讨了卷积神经网络在边缘特征上的表现，并发现介轴轮廓显著性权重可以在 CNNs 处理轮廓时提供额外的信息。
computer visionscene categorizationcontour-based shape cuescnnsmedial-axis based contour salience methods
发现论文，激发创造
  • 基于多尺度深度 CNN 特征的视觉显著性检测

    本研究采用深度卷积神经网络来提取多尺度特征，实现了高质量的图像显著性模型，另外还结合了手工特征，取得了很好的效果，提供了一个相应的实验数据集。

    Sep, 2016

  • 基于多尺度深度特征的视觉显著性

    本文介绍了使用卷积神经网络进行图像视觉显著性建模的方法，采用新的神经网络结构和改进的空间相关性方法，同时使用多重分割提高了性能，实验表明我们提出的方法在公共基准测试中的表现优于目前已发表的最先进技术。

    Mar, 2015

  • 从图像中推断轮廓素描

    本文提出了一种基于学习的方法，采用新的数据集进行轮廓图的生成和处理，可以精确定位视觉场景的轮廓和边界，相对于传统的边界检测方法有更好的性能表现，并且在 BSDS500 上取得了最新的性能成果。

    Jan, 2019

  • CAT2000：用于推动显著性研究的大规模注视数据集

    对当前显著性模型问题的深入洞察及更好的测量方法，如通过记录 120 个观察者在查看了包含 4000 幅图像的数据集时的眼动数据、分析数据集的基本特性、比较一些成功模型等，可帮助推进下一代显著性模型的研究，并有助于进行视觉注意力的行为研究。

    May, 2015

  • 关注图像字幕模型生成的描述

    研究了人类描述场景时自底向上显著性视觉关注和物体引用之间的一致性；提出了一种以显著性为增强因素的图像标题生成模型，结果发现该模型并不明显优于传统方法，但能更好地适用于未知数据。

    Apr, 2017

  • 基于体积显著性引导的 RGB-D 室内场景分类图像摘要化

    本研究提出了一种基于体积显著性引导的室内场景分类方法，结果表明该方法的有效性。

    Jan, 2024

  • 显著性的精细优化：基于显著性的生物特征攻击检测模型训练

    融入人类感知智能到模型训练能增强在难度较高的生物特征任务中的泛化能力，如攻击检测和合成样本检测。本文研究了不同的显著性粒度水平，通过使用简单但有效的显著性后处理技术，在数个卷积神经网络中实现了增强的攻击检测和合成人脸检测的泛化能力。

    May, 2024

  • 当显著性遇见情感：理解图像如何引发情绪和情感

    本文探讨图像情感分析中视觉显著性与情感之间的微妙而全面的相互作用，并使用现有技术对图像进行分析，试图阐明显著区域的情感如何影响图像的整体情感，研究结果表明了显著性与情感之间的相关性，并为可视化情感唤起机制提供了新颖的见解。

    Nov, 2016

  • 对解释自由观察注视时显着性和物体中心偏倚假设的调和

    研究自然场景中人们的注意力转移，在低层图像显著性和高层语义信息等方面提出了两个看似相互矛盾的提示，其中分析了物体中心偏置的影响，并提出了一种结合低层视觉显著性和物体中心偏置的模型，旨在深入了解人类在观察场景和对象时使用的策略，并展示结合低层视觉显著性和高层物体信息的模型的构建。

    Mar, 2015

  • 神经轮廓：从 3D 形状中学习绘制线条

    此论文介绍了一种从 3D 模型生成线描的学习方法。 在大量的众包比较中进行训练，实验证明该方法在绘制线描方面比现有技术取得了显著的进步，生成的线描与经验丰富的人类艺术家的作品相当。

    Mar, 2020