ECCVSep, 2020

利用姿势和注视先验理解艺术历史图像中的组成结构

PDF
TL;DR本研究尝试使用当前最先进的机器学习技术自动化艺术品图像构图的分析，通过检测艺术品中的行动区域和动作线以及前景和背景之间的基于姿势的分割，为艺术史学家提供更加高效和精细的分析方法，并且可以使机器更好地理解人类创造的艺术品。
image compositionsart analysiscomputer visionpose-based segmentationmachine learning
发现论文，激发创造
  • 通过人体姿态链接艺术

    本文旨在解决基于视觉内容在艺术品中发现构图转移的问题，提出了一种基于人类姿态相似性的构图转移链接方法，证明显式人类姿态匹配比标准的基于内容的图像检索方法更优。

    Jul, 2019

  • 利用构图线索增强历史图像检索

    通过将计算美学中的重要因素图像组合导入检索模型，我们的方法能够在分析大量数字化历史图像数据时，更好地考虑图像的组合规则和语义信息，从而提高图像检索的准确性和效果。

    Mar, 2024

  • 在 Web 上利用专业摄影作品进行创作学习

    本研究将照片构图问题视为一个寻找好视角的过程，并利用网络在专业照片样本中挖掘高质量排序样本。实验表明，所提出的视角寻找网络在两个图像裁剪数据集上采用滑动窗口搜索策略取得了最新的性能。

    Feb, 2017

  • 视觉概念学习中的组合多样性

    本文探讨了人类与计算机视觉模型在不同类型的视觉组合任务中的差异，通过大程序空间中的最佳程序来生成具有丰富关系结构的候选视觉对象，发现人类和程序感知上存在着一些相同点，同时在一些结构上存在不同，其中，形成新的概念主要涉及到的是组合机制和抽象。

    May, 2023

  • 何人在何处？自动语义感知人物合成

    本文提出了一种全自动的合成模型，该模型能够学习选择和转换符合背景的前景图像，在人体实例合成方面，其结果在视觉上表现令人满意。

    Jun, 2017

  • 艺术历史图像中的半监督人体姿态估计

    本文提出了一种在艺术历史图像中估计人类姿势的新方法，通过半监督学习对目标和关键点检测进行了改进，并且引入了一个包括人体姿势标注的新领域特定艺术数据集，相对于使用预训练模型或风格转移的方法，达到了显著更好的结果。

    Jul, 2022

  • 组合式人体姿势回归

    提出了一种结构感知回归方法，利用骨代替节点进行重新参数化，使用联合连接结构定义组合损失函数来编码姿态中的长程相互作用，在 2D 和 3D 姿态估计中具有普适性并且在人体姿态估计领域的两个数据集（Human3.6M 和 MPII）中显著超越最先进的方法和竞争最先进结果的性能。

    Apr, 2017

  • 利用姿势分解和语义相关性实现结构感知的人像生成

    本文介绍了一种基于结构感知流的方法，利用语义部分将人体分解，来应对人物姿态变换并生成高质量图像，网络模块能够有效地捕捉人体局部和全局语义特征，实验结果表明，该方法在生成高质量图像方面胜过其他方法。

    Feb, 2021

  • 贪心层次组合模型的结构学习

    该研究提出了一种基于分层组合模型 (HCMs) 的结构学习框架，旨在解决现有方法在物体结构和训练数据方面的限制，并通过背景模型将前景 - 背景分割问题整合到结构学习任务中，在只使用类别标签的情况下采用贪婪的结构学习方法确定层次结构的层数和每层的零件数量。该方法得出的 HCMs 具有语义意义，此外，在标准迁移学习数据集上，HCMs 在物体分类方面的表现是有竞争力的。

    Jan, 2017

  • 从第一原则开始的组合泛化

    本篇论文从识别可表达性学习出发，将组合性视为数据生成过程的属性而非数据本身，并提出了仅取决于训练分布和模型架构的轻微条件，为组合泛化建立了理论框架，并验证了其应用于现实世界场景的结论，从而为组合泛化的原则性理论研究铺平了道路。

    Jul, 2023