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

Шляхи підвищення ефективності сучасних методів матування зображень

Ескіз

Файли

104522.pdf (400,47 KB)

Дата

2021

Автори




Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

10.31649/1681-7893-2021-41-1-33-38

Анотація

В 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.
The 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.

Опис

Ключові слова

глибоке навчання , матування , сегментація , комп`ютерний зір , deep learning , matting , segmentation , computer vision

УДК

004.932.2

Тип документа

Article

Мова

uk_UA

Є частиною

Оптико-електроннi iнформацiйно-енергетичнi технологiї. Т. 41, № 1 : 33-38.

ISSN

2311-2662
1681-7893

Бібліографічний опис

Луп'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.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/35243

Зібрання

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

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (44)

  1. Y. Mishima, “Soft edge chroma-key generation based upon hexoctahedral color space,” in U.S. Patent 5,355,174, 1993.
  2. Луп’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/zbirn2021
  3. Білинський 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.
  4. Yung-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.
  5. Jue 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.
  6. Eduardo Simoes Lopes Gastal and Manuel M. Oliveira. Shared sampling for realtime alpha matting. Comput. Graph. Forum, 29(2):575–584, 2010.
  7. Kaiming 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.
  8. Xiaoxue 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.
  9. Jian Sun, Jiaya Jia, Chi-Keung Tang, and Heung-Yeung Shum. Poisson matting. ACM Trans. Graph., 23(3):315–321, 2004.
  10. Leo Grady, Thomas Schiwietz, Shmuel Aharon, and RÃijdiger Westermann. Random walks for interactive alpha-matting. In IN PROCEEDINGS OF VIIP 2005, pages 423– 429, 2005