論文の概要: Color Texture Image Retrieval Based on Copula Multivariate Modeling in the Shearlet Domain

• arxiv url: http://arxiv.org/abs/2008.00910v1
• Date: Mon, 3 Aug 2020 14:40:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 07:08:47.546344
• Title: Color Texture Image Retrieval Based on Copula Multivariate Modeling in the Shearlet Domain
• Title（参考訳）: シャーレット領域におけるコプラ多変量モデリングに基づく色彩テクスチャ画像検索
• Authors: Sadegh Etemad, Maryam Amirmazlaghani
• Abstract要約: カラーテクスチャ画像検索フレームワークを提案する。 筆者らは4つのテクスチャ画像検索ベンチマークデータセットを用いて実験を行い、提案手法が既存の最先端手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 4.416484585765028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a color texture image retrieval framework is proposed based on Shearlet domain modeling using Copula multivariate model. In the proposed framework, Gaussian Copula is used to model the dependencies between different sub-bands of the Non Subsample Shearlet Transform (NSST) and non-Gaussian models are used for marginal modeling of the coefficients. Six different schemes are proposed for modeling NSST coefficients based on the four types of neighboring defined; moreover, Kullback Leibler Divergence(KLD) close form is calculated in different situations for the two Gaussian Copula and non Gaussian functions in order to investigate the similarities in the proposed retrieval framework. The Jeffery divergence (JD) criterion, which is a symmetrical version of KLD, is used for investigating similarities in the proposed framework. We have implemented our experiments on four texture image retrieval benchmark datasets, the results of which show the superiority of the proposed framework over the existing state-of-the-art methods. In addition, the retrieval time of the proposed framework is also analyzed in the two steps of feature extraction and similarity matching, which also shows that the proposed framework enjoys an appropriate retrieval time.
• Abstract（参考訳）: 本稿では,コプラ多変量モデルを用いたシアーレット領域モデリングに基づくカラーテクスチャ画像検索フレームワークを提案する。 提案フレームワークでは,非サブサンプルシーレット変換(NSST)の異なるサブバンド間の依存性をモデル化するためにガウスコピュラを用い,非ガウスモデルを用いて係数の限界モデリングを行う。 さらに,提案手法の類似性を検討するために,KLD(Kullback Leibler Divergence)閉形式を2つのガウスコピュラ関数と非ガウス関数の異なる状況で計算する。 KLDの対称バージョンであるJeffery divergence (JD) criterionは、提案フレームワークの類似性を調べるために使用される。 本研究では4つのテクスチャ画像検索ベンチマークデータセットについて実験を行い,提案手法が既存の最先端手法よりも優れていることを示す。 また,提案フレームワークの検索時間を特徴抽出と類似度マッチングの2段階に分けて分析し,提案フレームワークが適切な検索時間を享受していることを示す。

関連論文リスト

• Identification of Novel Modes in Generative Models via Fourier-based Differential Clustering [33.22153760327227]
  本稿では,Fourier-based Identification of Novel Clusters (FINC) という手法を提案する。 FINCの大規模コンピュータビジョンデータセットおよび生成モデルフレームワークへの応用を実証する。
  論文  参考訳（メタデータ） (2024-05-04T16:06:50Z)
• Semantic Approach to Quantifying the Consistency of Diffusion Model Image Generation [0.40792653193642503]
  拡散モデルにおける画像生成の再現性、あるいは一貫性の解釈可能な定量的スコアの必要性を同定する。 セマンティック・コンセンサス・スコアとしてペア平均CLIPスコアを用いるセマンティック・アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-12T20:16:03Z)
• Learning Gaussian Representation for Eye Fixation Prediction [54.88001757991433]
  既存のアイ固定予測方法は、入力画像から原固定点から生成された対応する濃密な固定マップへのマッピングを行う。 本稿ではアイフィグレーションモデリングのためのガウス表現について紹介する。 我々は,リアルタイムな固定予測を実現するために,軽量なバックボーン上にフレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-21T20:28:22Z)
• Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
  我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
  論文  参考訳（メタデータ） (2024-03-11T05:35:38Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• The Infinitesimal Jackknife and Combinations of Models [2.457924087844968]
  Infinitesimal Jackknife を拡張して、任意の2つのモデル間の共分散を推定する。 これはモデルの組み合わせの不確実性を定量化したり、異なるモデルを比較するためのテスト統計を構築するのに使うことができる。
  論文  参考訳（メタデータ） (2022-08-31T22:37:44Z)
• Sparse Interaction Neighborhood Selection for Markov Random Fields via Reversible Jump and Pseudoposteriors [0.0]
  マルコフ確率場モデルの相互作用近傍を有限な支持と等質な対の相互作用で推定する問題を考察する。 最大範囲近傍の部分集合に飛び乗る可逆ジャンプモンテカルロマルコフ連鎖アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-04-12T16:34:33Z)
• Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
  ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。 提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。 提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-07-27T08:59:39Z)
• A cortical-inspired sub-Riemannian model for Poggendorff-type visual illusions [1.0499611180329804]
  We consider Wilson-Cowan-type model for the description of orientation-dependent Poggendorff-like illusions。 数値計算の結果,サブリーマンカーネルを用いることで,数値的な視覚的誤認識や着色型バイアスを再現できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-28T11:00:28Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。