선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서, 본 논문에서는 불연속점과 폐색 영역은 경계영역에서 주로 발생함에 착안하여 이들을 한 그룹으로 묶어 전파되는 메시지 량을 조절하는 기능을 추가함으로써 BP의 성능을 향상시키는 기술을 제안하였다. 또한, 식(1)의 에너지 함수를 이용하는 알고리즘들은 정합 파라미터 λ의 크기에 따라 성능이 매우 민감하게 변하므로 이미지가 주어지면 그 이미지에 적합한 λ를 별도로 미리 구해 놓아야 하는 문제가 있다.
- 본 논문에서는 Middlebury 웹사이트(3)가 제공한 것으로 groundjruth가 주어진 여러 스테레오 이미지를 이용하여 제안한 알고리즘의 동작을 확인하고 성능을 분석하였다. 성능분석은 Scharstein回이 제안한 방식으로 다음과 같이 nonocclusion 영역에서의 정합오율 (%)을 계산하고 또한 Middlebury 웹사이트에서 제공하는 평가방식을 이용하여 수행하였다.
- 이를 해결하기 위해 본 논문에서는 BP의 적용과정에서 확보한 중간 단계의 디스패리티 맵을 이용하여 λ를 확률모델에 근거해서 구하고 이렇게 구한 λ를 활용하여 재차 디스패리티 맵을 구하는 과정을 반복하는 방식을 제안하고 실험을 통하여 제안 방식의 적정성을 확인하였다. 즉, 본 논문의 목적은 스테레오 이미지에서 디스패리티 검출의 정확도 향상 보다는 입력되는 스테레오 이미지의 통계적 특성에 따라 정합 파라미터를 사전에 미리 구해야 할 필요 없이 적응적으로 파라미터를 조정하므로써 최적의 성능에 수렴하도록 하는 것이다.
가설 설정
- 여기서 인덱스 城는 화소나 영역의 위치 정보를 나타낸다. 또한, 각 위치 2에서 气와 物 간에는 통계적 연관성이 있다고 가정한다. 이 연관성을 Q (气, 物)라고 표현하고, 원하는 정보 电와 그 인근의 정보 勺 간의 연관 함수를 必丿(气, 勺)라고 정의하면, 이미지가 MRF라는 가정 하에 이미지 정보와 원하는 정보들의 joint probability는 다음과 같이 표현할 수 있다.
- 실험을 통하여 제안 알고리즘은 반복적으로 수행됨에 따라 최적의 λ에 수렴함을 보여 주었다. 본 논문에서는 구현의 편의를 위하여 e(d.)와 ▽弗 를 각각 属_%|으로 정의하였으나 이는 스테레오 이미지에 잡음이 거의 존재하지 않음을 가정한 것이다. 이미지에 잡음이 존재하면 전처리를 통하여 잡음을 제거하거나 또는 e(dj와 \危药를 각각 min(|X2:, y}~ J{x, y - ^)|, r), min(同-이, 0) 등으로 모델링하여 임펄스 잡음에 대처해야 할 것이다.
- 맵은 그림 3에 제시하였다. 여기서, 人를 구하려면 와 d를 동시에 구하여야 하는데, 본 논문에서는 BP 를 적용하여 구한 디스패리티 맵으로부터 尸佰仏)/이와 H▽曲/S)를 실험적으로 구한 다음, 이들이 식(12)에 나타낸 바와 같이 exponential 확률분포를 갖는다는 가정을 이용하여 払 S에 대한 측정치를 식 (17)과 같이 구하고 이를 이용하여 λ = 으를 구하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.