Robust Image Chroma-Keying: A Quadmap Approach Based on Global Sampling and Local Affinity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chroma-keying is a technique used to replace solid-colored background of images or video frames. This technique is widely used in TV broadcasting, film production, augmented reality, and virtual environment. This paper proposes a new chroma-keying method, which can automatically remove the background color in an image and accurately segment the foreground objects along with their transparency property. Compared to conventional chroma-keying methods based on color clustering, color difference, or thresholding, the proposed method analyzes the color statistics and color confidence of the image in global range. By analyzing image color statistics, local lightness variation, and experience from human visual perception in HSV color space, a segmentation map called quadmap is automatically generated to segment the image into four types of regions: 1) foreground; 2) background; 3) transparent; and 4) reflective regions. By using quadmap, the proposed chroma-keying system can differentiate between transparent and reflective regions. This has always been a challenging problem in conventional chroma-keying or α matting systems. This improvement generates more reliable foreground colors in reflective regions. As a result, there can be less constrains for foreground scene used in TV-broadcasting or film making. The procedures of the proposed method consist of the following five steps: 1) background region detection based on color statistics and local lightness variation; 2) absolute foreground region detection based on the knowledge of background color and predefined thresholds in Hue channel of HSV color space; 3) reflective region detection based on experience from human visual system; 4) background color propagation based on Laplacian equation; and 5) transparency value and foreground color estimation based on global sampling and color confidence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle