Estimating Appearance Models for Image Segmentation via Tensor Factorization

要約

画像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、それを解くことは、多くの場合、それぞれの構成領域の色分布を介して画像の外観データのモデリングに依存します。
多くのセグメンテーションアルゴリズムは、代替方法または暗黙的な方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の情報なしで画像から直接推定する新しいアプローチを提案します。
この方法では、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、画像からのローカル高次の色統計を使用しています。
このアプローチは、マルチガリオン画像のモデルを推定し、事前のユーザーとの相互作用なしに領域の割合を自動的に出力し、以前の試みからこの問題へ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ています。

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