<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Шляхи підвищення ефективності сучасних методів матування зображень

Скорочена інформація про документ
dc.contributor.authorЛуп'як, Д. Д.uk
dc.contributor.authorКвєтний, Р. Н.uk
dc.contributor.authorLupyak, D. D.en
dc.contributor.authorKvyetnyy, R. N.en
dc.titleШляхи підвищення ефективності сучасних методів матування зображеньuk
dc.date.issued2021
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationЛуп'як Д. Д. Шляхи підвищення ефективності сучасних методів матування зображень [Текст] / Д. Д. Луп'як, Р. Н. Квєтний // Оптико-електроннi iнформацiйно-енергетичнi технологiї. – 2021. – Т. 41, № 1. – С. 33-38.uk
dc.relation.ispartofОптико-електроннi iнформацiйно-енергетичнi технологiї. Т. 41, № 1 : 33-38.uk
dc.relation.urihttps://oeipt.vntu.edu.ua/index.php/oeipt/article/view/589
dc.identifier.doi10.31649/1681-7893-2021-41-1-33-38
dc.identifier.issn2311-2662
dc.identifier.issn1681-7893
dc.identifier.udc004.932.2
dc.identifier.urihttp://ir.lib.vntu.edu.ua/handle/123456789/35243
dc.description.abstractВ роботі проведено аналітичний огляд сучасних методів матування зображення. Визначено ключові ідеї методів, що існують та наведено порівняння їхньої точності. Визначено проблеми та завдання для подальшого дослідження методів матування зображення.uk
dc.description.abstractThe analytical review of modern methods of image matting is carried out in the work. The key ideas of existing methods are identified, and their accuracy is compared. Problems and tasks for further research of image matting methods are identified.en
dc.subjectглибоке навчанняuk
dc.subjectматуванняuk
dc.subjectсегментаціяuk
dc.subjectкомп`ютерний зірuk
dc.subjectdeep learningen
dc.subjectmattingen
dc.subjectsegmentationen
dc.subjectcomputer visionen
dc.typeArticle
dc.language.isoukuk
dc.relation.referencesY. Mishima, “Soft edge chroma-key generation based upon hexoctahedral color space,” in U.S. Patent 5,355,174, 1993.en
dc.relation.referencesЛуп’як Д. Д., «Використання методів сегментації та матування в задачі визначення переднього плану зображення» Матеріали конференції «L Науково-технічна конференція підрозділів Вінницького національного технічного університету (2021)», Вінниця, 2021. [Електронний ресурс]. Режим доступу: https://conferences.vntu.edu.ua/index.php/allvntu/index/ pages/view/zbirn2021uk
dc.relation.referencesБілинський Й. Й. Метод сегментації ультразвукових зображень на основі аналізу локальної статистики гістограм / Білинський Й.Й., Мельничук А.О.,Чумак О.А.// Вісник Вінницького політехнічного інституту 2010. – №6. – С.102-107.uk
dc.relation.referencesYung-Yu Chuang, Brian Curless, David Salesin, and Richard Szeliski. A bayesian approach to digital matting. In 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2001), with CD-ROM, 8-14 December 2001, Kauai, HI, USA, pages 264– 271, 2001.en
dc.relation.referencesJue Wang and Michael F. Cohen. An iterative optimization approach for unified image segmentation and matting. In 10th IEEE International Conference on Computer Vision (ICCV 2005), 17-20 October 2005, Beijing, China, pages 936–943, 2005.en
dc.relation.referencesEduardo Simoes Lopes Gastal and Manuel M. Oliveira. Shared sampling for realtime alpha matting. Comput. Graph. Forum, 29(2):575–584, 2010.en
dc.relation.referencesKaiming He, Christoph Rhemann, Carsten Rother, Xiaoou Tang, and Jian Sun. A global sampling method for alpha matting. In The 24th IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2011, Colorado Springs, CO, USA, 2011.en
dc.relation.referencesXiaoxue Feng, Xiaohui Liang, and Zili Zhang. A cluster sampling method for image matting via sparse coding. In Computer Vision - ECCV 2016 - 14th European Conference, Amsterdam, The Netherlands, Proceedings, Part II, pages 204–219, 2016.en
dc.relation.referencesJian Sun, Jiaya Jia, Chi-Keung Tang, and Heung-Yeung Shum. Poisson matting. ACM Trans. Graph., 23(3):315–321, 2004.en
dc.relation.referencesLeo Grady, Thomas Schiwietz, Shmuel Aharon, and RÃijdiger Westermann. Random walks for interactive alpha-matting. In IN PROCEEDINGS OF VIIP 2005, pages 423– 429, 2005en
dc.relation.referencesYung-Yu Chuang, Brian Curless, David Salesin, and Richard Szeliski. A bayesian approach to digital matting. In 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2001), Kauai, HI, USA, pages 264–271, 2001.en
dc.relation.referencesAnat Levin, Alex Rav-Acha, and Dani Lischinski. Spectral matting. In 2007 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2007), 18-23 June 2007, Minneapolis, Minnesota, USA, 2007.en
dc.relation.referencesAnat Levin, Dani Lischinski, and Yair Weiss. A closed-form solution to natural image matting. IEEE Trans. Pattern Anal. Mach. Intell., 30(2):228–242, 2008.en
dc.relation.referencesYuanjie Zheng, Chandra Kambhamettu, Jingyi Yu, Thomas L. Bauer, and Karl V. Steiner. Fuzzymatte: A computationally efficient scheme for interactive matting. In 2008 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2008), 24-26 June 2008, Anchorage, Alaska, USA, 2008.en
dc.relation.referencesJ. Wang and M. Cohen, “Optimized color sampling for robust matting,” in Proc. of IEEE CVPR, 2007.en
dc.relation.referencesDonghyeon Cho, Yu-Wing Tai, and Inso Kweon. Natural image matting using deep convolutional neural networks. In European Conference on Computer Vision, pages 626–643. Springer, 2016en
dc.relation.referencesNing Xu, Brian Price, Scott Cohen, and Thomas Huang. Deep image matting. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 2970– 2979, 2017en
dc.relation.referencesHao Lu, Yutong Dai, Chunhua Shen, and Songcen Xu. Indices matter: Learning to index for deep image matting. In Proceedings of the IEEE International Conference on Computer Vision, pages 3266–3275, 2019en
dc.relation.referencesSebastian Lutz, Konstantinos Amplianitis, and Aljosa Smolic. Alphagan: Generative adversarial networks for natural image matting. arXiv preprint arXiv:1807.10088, 2018en
dc.relation.referencesJingwei Tang, Yagiz Aksoy, Cengiz Oztireli, Markus Gross, and Tunc Ozan Aydin. Learningbased sampling for natural image matting. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 3055– 3063, 2019en
dc.relation.referencesYaoyi Li and Hongtao Lu. Natural image matting via guided contextual attention. In Proceedings of the AAAI Conference on Artificial Intelligence, volume 34, pages 11450–11457, 2020en
dc.relation.referencesHaichao Yu, Ning Xu, Zilong Huang, Yuqian Zhou, and Humphrey Shi. High-resolution deep image matting. arXiv preprint arXiv:2009.06613, 2020en
dc.relation.referencesY. Wang, Y. Niu, P. Duan, J. Lin, and Y. Zheng. Deep propagation based image matting.en
dc.relation.referencesHou, Q., Liu, F.: Context-aware image matting for simultaneous foreground and alpha estimation. In: Proceedings of the International Conference on Computer Vision (October 2019)en
dc.relation.referencesCai, S., Zhang, X., Fan, H., Huang, H., Liu, J., Liu, J., Liu, J., Wang, J., Sun, J.: Disentangled image matting. In: Proceedings of the International Conference on Computer Vision (October 2019)en
dc.relation.referencesMarco Forte and Franc¸ois Pitie. F,b, alpha matting. ´ arXiv preprint arXiv:2003.07711, 2020en
dc.relation.referencesYaoyi Li, Qingyao Xu, and Hongtao Lu. Hierarchical opacity propagation for image matting. arXiv preprint arXiv:2004.03249, 2020en
dc.relation.referencesYu Qiao, Yuhao Liu, Xin Yang, Dongsheng Zhou, Mingliang Xu, Qiang Zhang, and Xiaopeng Wei. Attention-guided hierarchical structure aggregation for image matting. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pages 13676–13685, 2020en
dc.relation.referencesYuhao Liu, Jiake Xie, Yu Qiao. Prior-Induced Information Alignment for Image Matting. arXiv:2106.14439v1, 2021en
dc.relation.referencesH. Lu, Y. Dai, C. Shen, and S. Xu, “Index networks,” IEEE Trans. Pattern Anal. Mach. Intell., 2020.en
dc.relation.referencesYanan Sun, Chi-Keung Tang, Yu-Wing Tai. Semantic Image Matting. arXiv:2104.08201v1, 2021en
dc.relation.referencesSoumyadip Sengupta, Vivek Jayaram, Brian Curless, Steven M Seitz, and Ira KemelmacherShlizerman. Background matting: The world is your green screen. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pages 2291–2300, 2020en
dc.relation.referencesShanchuan Lin, Andrey Ryabtsev, Soumyadip Sengupta, Brian Curless, Steve Seitz, and Ira KemelmacherShlizerman. Real-time high-resolution background matting. arXiv preprint arXiv:2012.07810, 2020en
dc.relation.referencesXiaoyong Shen, Xin Tao, Hongyun Gao, Chao Zhou, and Jiaya Jia. Deep automatic portrait matting. In European Conference on Computer Vision, pages 92–107. Springer, 2016en
dc.relation.referencesYagiz Aksoy, Tae-Hyun Oh, Sylvain Paris, Marc Pollefeys, ˘ and Wojciech Matusik. Semantic soft segmentation. ACM Transactions on Graphics (TOG), 37(4):1–13, 2018en
dc.relation.referencesQuan Chen, Tiezheng Ge, Yanyu Xu, Zhiqiang Zhang, Xinxin Yang, and Kun Gai. Semantic human matting. In 2018 ACM Multimedia Conference on Multimedia Conference, pages 618– 626. ACM, 2018en
dc.relation.referencesGuanying Chen, Kai Han, and Kwan-Yee K. Wong. Tom-net: Learning transparent object matting from a single image. In CVPR, 2018en
dc.relation.referencesYunke Zhang, Lixue Gong, Lubin Fan, Peiran Ren, Qixing Huang, Hujun Bao, and Weiwei Xu. A late fusion cnn for digital matting. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 7469– 7478, 2019en
dc.relation.referencesZhanghan Ke, Kaican Li, Yurou Zhou, Qiuhua Wu, Xiangyu Mao, Qiong Yan. Is a Green Screen Really Necessary for Real-Time Portrait Matting? arXiv:2011.11961v2, 2020en
dc.relation.referencesJinlin Liu, Yuan Yao, Wendi Hou, Miaomiao Cui, Xuansong Xie, Changshui Zhang, and Xiansheng Hua. Boosting semantic human matting with coarse annotations. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pages 8563–8572, 2020.en
dc.relation.referencesYuhongze Zhou, Liguang Zhou, Tin Lun Lam, Yangsheng Xu. Semantic-guided Automatic Natural Image Matting with Light-weight Non-local Attention. arXiv:2103.17020v2, 2021en
dc.relation.referencesJizhizi Li, Jing Zhang. Deep Automatic Natural Image Matting. arXiv:2107.07235v1, 202en
dc.relation.referencesПіддубецька М.П. Особливості використання нейронних мереж в задачах обробки графічних зображень / Піддубецька М.П., Романюк О.Н., Тимченко Л.І. // Електронні інформаційні ресурси: створення, використання, доступ // Збірник матеріалів Міжнародної науково-практичної Інтернет-конференції, м.Вінниця, 2015. [Електронний ресурс]. Режим доступу: http://conf.vntu.edu.ua/eiron/2014uk
dc.relation.referencesМартинюк Т. Б. Аналіз тенденцій розвитку сучасних комп`ютерних систем / Т. Б. Мартинюк, А. В. Кожем`яко, Л. М. Круперштейн // Оптико-електронні інформаційно-енергетичні технології. – 2016. – № 2. – С. 5-13.uk
dc.date.accessioned2022-05-16T08:53:32Z
dc.date.available2022-05-16T08:53:32Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
104522.pdf
Розмір:
400,47 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
129 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання

Оптико-електронні інформаційно-енергетичні технології. 2021. № 1
Наукові видання каф. АІІТ