Estimating Appearance Models for Image Segmentation via Tensor Factorization

要約

画像のセグメンテーションは、コンピューター ビジョンのコア タスクの 1 つであり、多くの場合、それを解決するには、構成領域ごとの色分布を介して画像の外観データをモデル化する必要があります。
多くのセグメンテーション アルゴリズムは、代替または暗黙的な方法を使用して外観モデルの依存関係を処理しますが、ここでは、基礎となるセグメンテーションに関する事前情報なしで画像からそれらを直接推定する新しいアプローチを提案します。
私たちの方法は、潜在変数モデルのテンソル分解ベースの推定器への入力として、画像からの局所的な高次色統計を使用します。
このアプローチは、複数領域の画像でモデルを推定し、事前のユーザー操作なしで領域の比率を自動的に出力し、この問題に対する以前の試みの欠点を克服することができます。
また、多くの挑戦的な合成および実際のイメージングシナリオで提案された方法のパフォーマンスを実証し、それが効率的なセグメンテーションアルゴリズムにつながることを示します。

要約(オリジナル)

Image Segmentation is one of the core tasks in Computer Vision and solving it often depends on modeling the image appearance data via the color distributions of each it its constituent regions. Whereas many segmentation algorithms handle the appearance models dependence using alternation or implicit methods, we propose here a new approach to directly estimate them from the image without prior information on the underlying segmentation. Our method uses local high order color statistics from the image as an input to tensor factorization-based estimator for latent variable models. This approach is able to estimate models in multiregion images and automatically output the regions proportions without prior user interaction, overcoming the drawbacks from a prior attempt to this problem. We also demonstrate the performance of our proposed method in many challenging synthetic and real imaging scenarios and show that it leads to an efficient segmentation algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google