该论文《What Makes a Patch Distinct?》探讨了如何使用PCA进行显著性目标检测。作者提出通过pattern、color和图像分布来评估图像区域的显著性。他们指出，不显著的patches在高维空间中更集中，而显著patches更分散。论文引入了pattern distinctness的概念，利用patch到平均patch的L1距离判断显著性。同时，color distinctness通过SLIC超像素分割和CIELab颜色空间的L2-norm来考虑。最后，将两者结合并考虑image organization得到最终的显著性map。实验结果显示了这种方法的有效性。
作者：Ran Margolin，Ayellet Tal，Lihi Zelnik-Manor
论文网址：What Makes a Patch Distinct? | IEEE Conference Publication | IEEE Xplore
论文利用PCA进行显著性目标检测，没有看太懂，仅供参考。
论文提出，共同考虑图像的patterns，colors, high-level cues and priors.
第一，Pattern Distinctness
论文认为，the non-distinct patches of a natural image are mostly concentrated in the high-dimensional space, while distinct patches are more scattered. 并用图3进行说明。可以看出，以L1为例，60%的non-distinct patches are within a distance of 0
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
