实体
seam carving
seam carving
PulseAugur coverage of seam carving — every cluster mentioning seam carving across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
Seam carving shows promise as CNN feature pooling technique
研究人员探索了使用缝隙裁剪（seam carving）作为卷积神经网络（CNN）中传统最大池化（max pooling）的替代方法，用于图像分类。在Caltech-UCSD Birds 200-2011数据集上进行的实验表明，采用缝隙裁剪的CNN在准确率、精确率、召回率和F1分数方面优于使用最大池化的CNN。可视化结果表明，缝隙裁剪可能在池化过程中更好地保留结构信息，预示着改进特征提取的潜力。
-
新的GAFIC方法通过全局注意力增强图像裁剪
研究人员开发了一种名为全局注意力融合图像裁剪（GAFIC）的新图像裁剪方法，旨在通过考虑图像组件之间的全局关系，而不是仅仅关注显著区域，来改善美学构图。GAFIC利用注意力引导特征融合（AGFF）来创建全局表示，并利用全局对齐裁剪评估器（GACE）将裁剪特征与该表示对齐。实验表明，GAFIC在准确性和稳定性方面均优于现有方法，为需要像素完整性和高效批量处理的场景提供了解决方案。
-
新的 C++ 实现详细介绍了缝隙裁剪图像缩放技术
一篇新论文详细介绍了一种内容感知图像缩放技术——缝隙裁剪的 C++ 实现。该实现遵循 Avidan 和 Shamir 的原始表述，并结合了 Rubinstein、Shamir 和 Avidan 的前向能量标准。它支持各种缩放操作，包括通过权重掩码进行放大和对象保护，并提供了详细的算法分析。