图 书 馆
贝叶斯非参数内在图像分解Bayesian Nonparametric Intrinsic Image Decomposition |
|
| 课程网址: | http://videolectures.net/eccv2014_chang_image_decomposition/ |
| 主讲教师: | Jason Chang |
| 开课单位: | 谷歌公司 |
| 开课时间: | 2014-10-29 |
| 课程语种: | 英语 |
| 中文简介: |  我们提出了一个生成概率模型，该模型将图像分解为反射率和阴影分量。所提出的方法使用Dirichlet过程高斯混合模型，其中均值参数根据高斯过程共同演化。与现有方法相比，我们消除了Retinex项，并为阴影图像采用了更一般的平滑度假设。马尔可夫链蒙特卡洛采样技术用于推理，在MIT固有图像数据集上产生了最新的结果。 |
| 课程简介: | We present a generative, probabilistic model that decomposes an image into reflectance and shading components. The proposed approach uses a Dirichlet process Gaussian mixture model where the mean parameters evolve jointly according to a Gaussian process. In contrast to prior methods, we eliminate the Retinex term and adopt more general smoothness assumptions for the shading image. Markov chain Monte Carlo sampling techniques are used for inference, yielding state-of-the-art results on the MIT Intrinsic Image Dataset. |
| 关 键 词: | 图像数据集; 概率模型 |
| 课程来源: | 视频讲座网 |
| 数据采集: | 2020-11-30：zyk |
| 最后编审: | 2020-11-30：zyk |
| 阅读次数: | 63 |