HyperAIHyperAI

Command Palette

Search for a command to run...

Reliabilitätsbasierte Aufmerksamkeitskarten für geführte interaktive Video-Objekt-Segmentierung

Heo Yuk ; Koh Yeong Jun ; Kim Chang-Su

Zusammenfassung

Wir schlagen einen neuen, durch Anleitung gesteuerten interaktiven Segmentierungsalgorithmus (GIS) für Videoobjekte vor, um die Segmentierungsgenauigkeit zu verbessern und die Interaktionszeit zu reduzieren. Zunächst entwickeln wir ein auf Zuverlässigkeit basierendes Aufmerksamkeitsmodul, um die Zuverlässigkeit mehrerer annotierter Frames zu analysieren. Als Zweites erarbeiten wir ein intersectionsbewusstes Propagationsmodul, um die Segmentierungsergebnisse auf benachbarte Frames zu übertragen. Drittens führen wir den GIS-Mechanismus ein, der es dem Benutzer ermöglicht, unzufriedenstellende Frames mit geringem Aufwand schnell auszuwählen. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus genaue Segmentierungsergebnisse schneller liefert als herkömmliche Algorithmen. Der Quellcode ist unter https://github.com/yuk6heo/GIS-RAmap verfügbar.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp