关键词foreground segmentation
搜索结果 - 8
- 通用前景分割的显式视觉提示
该论文提出了一个基于预训练及显式视觉提示(EVP)的统一框架,用于多个前景分割任务,其性能优于全调参及其他节约参数细调的方法,并展示了该方法在不同架构、预训练权重和任务上的可扩展性。
- 利用潜在姿态描述进行神经头部再现
提出了一种神经头部重演系统,该系统基于潜在姿态表示,可以预测前景分割并重建出更多个人的表情和动作。通过大量训练数据,该系统可以成功分解出姿态信息,达到跨人物模仿表情和动作的效果。
- 基于图像级标签的粗到细语义分割
该研究提出了一种基于图像类别标签的新型递归粗到细语义分割框架,可用于图像分割和前景分割等任务,并且只需要一个标签来处理包含多类别对象的图像。
- 学习多尺度特征进行前景分割
本文提出了一种新的鲁棒性编码器解码器结构的神经网络,使用少量的训练示例进行端到端的训练,通过特征融合在 Feature Pooling Module 中提取多尺度特征,实现对相机运动的鲁棒特征池化,免去多尺度输入的需求,通过 CDnet20 - ECCV基于掩码引导的双流 CNN 模型的人体搜索
本文提出了一种基于前景分割的人物搜索方法,将对象检测和人物重识别模型分离,使用两个不同的 CNN 来分别提取主体和原始图像的特征,并在 CUHK-SYSU 和 PRW 两个公认的基准测试中实现了比现有方法高 5pp 以上的 mAP 值,效果 - 基于两阶段卷积神经网络的背景重构和前景分割
本文提出了一种端到端的两阶段深度卷积神经网络框架,用于视频序列中的前景分割,该方法利用背景图像的语义和先验知识以及前景和背景的先验视觉知识,与 CDNet 2014 相比,其性能提高了 4.9%。
- CVPR单次视频目标分割
本文提出一种基于神经网络的半监督视频目标分割技术,能够在保证处理速度的前提下提升目标分割的效果。
- 使用 RGBD 设备建模非参数前景分割的深度
提出一种新的无参数化方法,其中统一模型结合了设备多重信息线索,以处理前景分割中的深度线索。通过引入新的深度数据模型,处理不准确数据以提高前景分割,同时引入了一个新的 RGBD 视频数据集,为这类算法的比较提供了新的标准。结果表明,该方法可以