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 ビジョンの中核タスクの 1 つであり、その解決は多くの場合、各構成領域の色分布を介した画像の外観データのモデル化に依存します。
多くのセグメンテーション アルゴリズムは、代替法または陰的手法を使用して外観モデルの依存性を処理しますが、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、画像から外観モデルの依存性を直接推定する新しいアプローチを提案します。
私たちの方法では、画像からのローカル高次カラー統計を、潜在変数モデルのテンソル因数分解ベースの推定器への入力として使用します。
このアプローチは、事前のユーザー対話なしで複数領域画像内のモデルを推定し、領域の比率を自動的に出力することができ、この問題に対する以前の試みによる欠点を克服します。
また、多くの困難な合成および実際のイメージング シナリオにおける提案手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