Image Reconstruction using Superpixel Clustering and Tensor Completion

要約

この論文では、スーパーピクセルセグメンテーションとテンソル補完に基づいたコンパクトな画像表現のためのピクセル選択方法を紹介します。
私たちの方法では、画像を重要なテクスチャやセマンティクスをキャプチャするいくつかの領域に分割し、各領域から代表的なピクセルを選択して保存します。
代表的なピクセルを選択するためのさまざまな基準を試したところ、重心ピクセルが最高のパフォーマンスを発揮することがわかりました。
また、選択したピクセルからさまざまなタイプの画像を効果的に再構築できる 2 つのスムーズ テンソル補完アルゴリズムも提案します。
私たちの実験では、スーパーピクセルベースの方法の方が、さまざまな欠落率に対して均一なサンプリングよりも優れた結果が得られることが示されています。

要約(オリジナル)

This paper presents a pixel selection method for compact image representation based on superpixel segmentation and tensor completion. Our method divides the image into several regions that capture important textures or semantics and selects a representative pixel from each region to store. We experiment with different criteria for choosing the representative pixel and find that the centroid pixel performs the best. We also propose two smooth tensor completion algorithms that can effectively reconstruct different types of images from the selected pixels. Our experiments show that our superpixel-based method achieves better results than uniform sampling for various missing ratios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google