针对集(set)的度量:Sparse approximated nearest point distance.
基于视频的分类(video-based classification):
例如:dynamic texture (IJCV03)
关注于图像之间的时间关联性 (focus on exploiting the temporal relationship between the images)
基于图像集的分类(image set based classification):
关注于视角、光照变化、非刚体变形,而不是时间关联性。
图像集分类技术,基于两个标准: 一是图像集如何表示,二是度量。
图像表示:分为参数和非参数的表示方法。
基于参数模型的表示方法,是利用一些参数分布来表示图像集~ 但是如果图像集中没有很好的统计关联性,那么估计的模型就不能很好的进行图像集的分类。
两分布度量:如KLD.
基于非参数的表示方法,试图表示一个图像集为一个线性子空间(比如:Grassmannian manifold),混合子空间,或者非线性流行。
第一种度量是分析样本数据:样本均值差;测地线;
第二种度量是分析模型结构,Canonical corelation analysis (CCA); Mutual subspave method (MSM); orthogonal subspace mehtod..
现试图提出一种新的度量,同时利用结构信息和样本信息。
第c个图像集的表示,有N个图像组成一个特征矩阵。
model一个图像集为an affine hull of the set data: ( 带权重的sum)
或者这种Affine hull 的另一种表示形式
其中
由于现有的方法,直接搜索最近邻的点,而不加任何额外约束条件。噪声和奇异点的干扰~
先提出sparse approximated nearest points进行度量。
使用的数据集:Honda;Mobo and Youtube datasets。
Reference: sparse approximated nearest points for image set classification