foreground object | BriefGPT

关键词foreground object

搜索结果 - 7

地区风格和颜色转移
该论文提出了一种新颖的区域风格转换方法，通过利用分割网络精确地分离输入图像中的前景对象，并将风格转换应用于背景区域，再将分离的前景对象与转换后的背景巧妙地合并，使用颜色转换和羽化技术增强前景和背景之间的视觉一致性，从而实现了更自然的风格转换
PDF2 months ago
AAAI从低级风格到高级风格的渐进式绘画影像融合
绘画风格图像协调网络通过渐进的多阶段协调网络，从低级样式（如颜色、简单纹理）到高级样式（如复杂纹理），将摄影前景对象与绘画背景协调起来，并通过早期退出策略自动决定适当的退出阶段，以提高解释性和协调性能。在基准数据集上进行的大量实验证明了渐进
PDF7 months ago
FreePIH：无需训练的画家风格图像和谐化与扩散模型
提供了高效的无需训练的画家式图像协调（PIH）方法，称为 FreePIH，仅利用预训练的扩散模型实现最先进的协调结果。通过将降噪过程作为插件模块应用于前景图像的风格转移，以直接基于降噪实现协调，结合多尺度特征来保证协调图像的忠实度，并提高生
PDF7 months ago
优化视觉 Transformer 的相关性地图以提高鲁棒性
本论文提出一种监测模型关联信号并在细调阶段对模型进行操作使其聚焦于前景物体的方法，实验结果表明在 ViT 模型上应用该方法可以显著提高模型在领域变化方面的鲁棒性，同时无需附加监督信号。
PDF2 years ago
AAAI通过迭代选择易于参考的帧使得无监督视频目标分割更容易
该论文提出了一种名为 Easy Frame Selector 的新方法，其可以选择更好的参考帧以提高无监督视频物体分割（UVOS）表现。作者进一步提出了一种名为 Iterative Mask Prediction 的框架，在 Davis16
PDF3 years ago
ICCV摄像头周围有什么？
该研究论文利用基于学习的方法和多个反射率图预测环境和物质特性，从而揭示前景物体和背景之间的关系及信息获取方式。
PDF8 years ago
LooseCut: 带松散边界框的交互式图像分割
本文提出了一种名为 LooseCut 的新算法，采用 Markov Random Fields 模型，可以处理输入包含前景目标的边界框不太紧的情况，并通过迭代最大流算法解决该模型。LooseCut 可用于增强无监督视频分割和图像显着性检测性
PDF9 years ago