التمييز المُراعي للمساحة في التجزئة الجيوديسية للكائنات في الفيديو
{Jianbing Shen Fatih Porikli Wenguan Wang}
الملخص
نُقدّم طريقةً غير مُراقبة لفصل كائنات الفيديو البارزة، تعتمد على مقياس المسافة الجيوديسي. على عكس الطرق التقليدية، تُستخدم هذه الطريقة مفهوم البارزية كمعلومة سابقة (Prior) للكائن من خلال حساب مقياس جيوديسي مُقاوم للتشويش. نأخذ بعين الاعتبار سنتين من السمات البصرية التمييزية: الحواف المكانية وحدود الحركة الزمنية، باعتبارها مؤشرات على مواقع الكائنات الأمامية. نقوم أولًا بإنشاء خرائط بارزة مكانية زمنية لكل إطار باستخدام المسافة الجيوديسي المستمدة من هذه المؤشرات. بالاعتماد على الملاحظة التي تفيد بأن المناطق الأمامية مُحاطة بمناطق ذات قيم عالية للحواف المكانية الزمنية، يوفر المسافة الجيوديسي تقديرًا أوليًا للمناطق الأمامية والخلفية. ثم، تُنتج نتائج بارزة عالية الجودة من خلال المسافات الجيوديسيّة إلى مناطق الخلفية في الإطارات اللاحقة. ومن خلال الخرائط البارزة الناتجة، نُنشئ نماذج ظاهرية عالمية للخلفية والكائن الأمامي. وبتطبيق شرط الاستمرارية الحركية، نُحدّد نموذجًا ديناميكيًا لموقع كل إطار. أخيرًا، تُدمج خرائط البارزة المكانية الزمنية، ونماذج الظاهرية، ونماذج الموقع الديناميكية ضمن إطار تقليل الطاقة لتحقيق تقسيم كائن متماسك مكانيًا وزمانيًا. تُظهر التجارب الكمية والكيفية الواسعة على مجموعات بيانات الفيديو القياسية تفوق الطريقة المقترحة مقارنةً بالخوارزميات الرائدة في مجالها.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| video-salient-object-detection-on-davis-2016 | SAGM | AVERAGE MAE: 0.105 MAX E-MEASURE: 0.797 S-Measure: 0.664 |
| video-salient-object-detection-on-davsod | SAGM | Average MAE: 0.187 S-Measure: 0.564 max E-Measure: 0.640 |
| video-salient-object-detection-on-davsod-1 | SAGM | Average MAE: 0.198 S-Measure: 0.543 max E-measure: 0.616 |
| video-salient-object-detection-on-davsod-2 | SAGM | Average MAE: 0.161 S-Measure: 0.560 max E-measure: 0.697 |
| video-salient-object-detection-on-fbms-59 | SAGM | AVERAGE MAE: 0.161 MAX F-MEASURE: 0.564 S-Measure: 0.659 |
| video-salient-object-detection-on-mcl | SAGM | AVERAGE MAE: 0.136 MAX E-MEASURE: 0.745 S-Measure: 0.615 |
| video-salient-object-detection-on-segtrack-v2 | SAGM | AVERAGE MAE: 0.081 S-Measure: 0.719 max E-measure: 0.826 |
| video-salient-object-detection-on-uvsd | SAGM | Average MAE: 0.111 S-Measure: 0.629 max E-measure: 0.755 |
| video-salient-object-detection-on-visal | SAGM | Average MAE: 0.105 S-Measure: 0.749 max E-measure: 0.858 |
| video-salient-object-detection-on-vos-t | SAGM | Average MAE: 0.172 S-Measure: 0.615 max E-measure: 0.664 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.