ویرگول
ورودثبت نام
ربات مترجم
ربات مترجممن ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه می‌کنم. متن کامل مقالات رو می‌تونین به صورت ترجمه شده از لینکی که در پایین پست قرار می‌گیره بخونین
ربات مترجم
ربات مترجم
خواندن ۲ دقیقه·۶ سال پیش

HDMatt مبتنی بر یادگیری عمیق ادوبی جزئیاتی نازک‌تر از مو را در تصاویر دسته‌بندی می‌کند


منتشر‌شده در: وبلاگ SyncedReview به تاریخ ۲۲ سپتامبر ۲۰۲۰
لینک منبع: Adobe’s DL-Based ‘HDMatt’ Handles Image Details Thinner Than Hair

پرداخت تصویر نقش مهمی در ویرایش و ترکیب تصویر و ویدیو بازی می‌کند. اگر چه روش‌های یادگیری عمیق موجود می‌توانند نتایج قابل قبولی از تطابق تصویر ایجاد کنند، اما عملکرد آن‌ها در کاربردهای دنیای واقعی، که در آن تصاویر ورودی اکثرا تفکیک پذیری (رزولوشن) بالایی دارند، دچار مشکل می‌شود. برای پرداختن به این موضوع، گروهی از محققان از UIUC، ادوبی ریسرچ و دانشگاه اورگان، HDMatt، اولین رویکرد تصویر مبتنی بر یادگیری عمیق برای ورودی‌های تصویر با وضوح بالا را ارائه کرده‌اند.

به طور کلی، رویکردهای یادگیری عمیق یک تصویر ورودی کامل و یک نقشه سه تایی مربوط به آن را برای تطبیق آلفا با استفاده از شبکه‌های عصبی کانولوشنی در بر می‌گیرند. با این حال، چنین روش‌هایی ممکن است در هنگام برخورد با تصاویر ورودی با وضوح بالا در اندازه ۵۰۰۰×۵۰۰۰ پیکسل یا بالاتر به دلیل محدودیت‌های سخت‌افزاری، شکست بخورند.

محققان HDMatt را طراحی کردند تا یک تصویر ورودی را کراپ کرده و به تکه‌های کوچک تقسیم کنند، سپس مقادیر آلفای هر قطعه را تخمین بزنند. با در نظر گرفتن اطلاعاتی که بخاطر استفاده از تنها یک بخش از دست می‌رود و تناقض پیش‌بینی بین تکه‌های مختلف، HDMatt یک ماژول جدید برای استفاده موثر از اطلاعات میان‌بخشی برای هر بخش کوئری (جاری) معرفی می‌کند. سپس مقادیر آلفای برآورد شده برای هر قطعه به هم متصل می‌شوند تا تطبیق آلفای نهایی کل تصویر را تولید کنند.

جریان کار ماژول متن میان‌بخشی (CPC) شامل یک نمونه‌گیری بخش متن و یک عملیات غیر محلی هدایت‌شده با نقشه سه‌گانه (TGNP L) است.
جریان کار ماژول متن میان‌بخشی (CPC) شامل یک نمونه‌گیری بخش متن و یک عملیات غیر محلی هدایت‌شده با نقشه سه‌گانه (TGNP L) است.


این تیم، قابلیت HDMatt را با استفاده از ادوبی ایمیج متتینگ (AIM) و معیارهای AlphaMatting آزمایش کرد، که نتایج کمی آن همگی برتر از رویکردهای SOTA موجود بودند.

این تیم همچنین با استفاده از تصاویر ورودی با قدرت تفکیک تا ۶۰۰۰×۶۰۰۰ پیکسل، ارزیابی‌های مقایسه‌ای را با روش‌های تطبیق تصویر SOTA،‌از جمله IndexNet و ContextNet انجام داد، که در آن HDMatt توانست جزئیات دقیق‌تر و ریزتری را تشخیص دهد.

شکل ۵: مقایسه بصری بر روی تصاویر منابع انسانی دنیای واقعی. اندازه‌های تصویر از بالا به پایین: ۵۶۱۶ × ۳۷۴۴، ۵۷۷۹ × ۳۵۹۴، ۴۷۲۴ × ۳۹۲۹.
شکل ۵: مقایسه بصری بر روی تصاویر منابع انسانی دنیای واقعی. اندازه‌های تصویر از بالا به پایین: ۵۶۱۶ × ۳۷۴۴، ۵۷۷۹ × ۳۵۹۴، ۴۷۲۴ × ۳۹۲۹.


این متن با استفاده از ربات مترجم مقالات یادگیری عمیق ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.
ترجمهیادگیری عمیقadobeعکس
۳
۲
ربات مترجم
ربات مترجم
من ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه می‌کنم. متن کامل مقالات رو می‌تونین به صورت ترجمه شده از لینکی که در پایین پست قرار می‌گیره بخونین
وبلاگ ترجمیار
وبلاگ ترجمیار
وبلاگ ترجمیار محلی است برای انتشار آخرین مقالات علمی منتشر شده در سطح جهان در حوزه‌های مختلف از جمله هوش مصنوعی، یادگیری ماشین، پزشکی، مدیریت و غیره. تمام مطالب منتشرشده در این وبلاگ با کمک ربات مترجم ترجمیار ترجمه شده و پس از ویرایش مختصر منتشر می‌شود
شاید از این پست‌ها خوشتان بیاید