首页   实验室与人员介绍   科学研究   人才培养   论文著作   学术讲座   合作交流   招贤纳士   招生指南   联系我们
greyback

实验室在”基于学习的视觉显著计算”方面的研究成果在计算机视觉领域的顶级国际期刊IJCV上发表

2010-9-19       阅读:2571次       来源:NELVT

  数字视频编解码技术国家工程实验室媒体学习与安全组(Multimedia Learning & Security Group, MLSG)在“基于学习的视觉显著计算”方面取得了显著的研究进展。相关研究成果继在IEEE Signal Processing Letter上以封面文章形式发表后,最新的论文“Probabilistic Multi-Task Learning for Visual Saliency Estimation in Video”又在计算机视觉领域的顶级国际期刊International Journal Computer Vision上发表。此外,相关研究已经引起了国际上视觉注意计算模型方面的开创性学者——南加州大学的Laurent Itti教授的注意,并发邮件来索要相关模型和程序。
  视觉注意是人类视觉系统最重要的特征之一。基于人类的视觉注意机制,近年来注意计算模型得到广泛的研究和应用。针对视觉显著计算中自底向上和自顶向下因素的融合问题,课题组提出了一种基于概率多任务学习的视觉显著计算方法。该方法将多任务学习算法引入视觉显著建模过程中,通过一个概率框架同时引入底向上和自顶向下因素对视觉注意计算的影响,这在国内外相关研究工作中尚属首例。通过在两个眼动数据集以及一个显著区域数据集上的对比试验,该方法能够取得较好的视觉显著预测效果,并具有较高的健壮性。
  该项研究由国家973计划和国家自然科学基金联合资助,是在田永鸿副教授的指导下主要由课题组的博士生李甲来完成的。
该论文可以通过如下链接进行在线访问:
Jia Li, Yonghong Tian*, Tiejun Huang and Wen Gao. Probabilistic Multi-Task Learning for Visual Saliency Estimation in Video. International Journal of Computer Vision, 90(2), Aug. 2010, 150-165. (* is the corresponding author) http://www.springerlink.com/content/c54616r8jq16402m/

 

Copyright © 2009-2017  数字视频编解码技术国家工程实验室