دانلود کتاب A Computational Framework for Segmentation and Grouping

ترجمه فارسی توضیحات (ترجمه ماشینی)

چارچوب محاسباتی برای تقسیم بندی و گروه بندی

این کتاب خلاصه‌ای از تحقیقاتی است که ما از اوایل دهه 1990 انجام داده‌ایم، و یک چارچوب مفهومی را توصیف می‌کند که به برخی کاستی‌های کنونی می‌پردازد، و یک رویکرد واحد را برای طبقه وسیعی از مشکلات پیشنهاد می‌کند. در حالی که چارچوب تعریف شده است، تحقیقات ما ادامه دارد و برخی از عناصر ارائه شده در اینجا بدون شک در سال های آینده تکامل خواهند یافت. این در هشت فصل سازماندهی شده است. در فصل مقدمه، ما تعریف مشکلات را ارائه می‌کنیم و مروری بر رویکرد پیشنهادی و اجرای آن ارائه می‌کنیم. به طور خاص، ما محدودیت‌های طرح 2.5 بعدی را نشان می‌دهیم و به جای آن انگیزه استفاده از یک نمایش را از نظر لایه‌ها می‌کنیم.
در فصل 2، برخی از تحقیقات مرتبط را در ادبیات بررسی می کنیم. بحث بر روی رویکردهای محاسباتی کلی برای دید اولیه متمرکز است و روش‌های فردی تنها به عنوان مرجع ذکر می‌شوند. فصل 3 فصل اساسی است، زیرا عناصر موتور استنتاج ویژگی های برجسته ما و تعامل آنها را ارائه می دهد. تانسورها را راهی برای نمایش اطلاعات، میدان‌های تانسوری را به‌عنوان راهی برای رمزگذاری محدودیت‌ها و نتایج و رای‌گیری تانسور را به عنوان طرح ارتباطی معرفی کرد. فصل 4 مراحل استخراج ویژگی را با توجه به محاسبات انجام شده توسط موتور که قبلا توضیح داده شد، شرح می دهد. در فصل 5، ما چارچوب عمومی را برای استنتاج مناطق، منحنی ها و اتصالات در 2 بعدی اعمال می کنیم. ورودی ممکن است به شکل نقاط 2 بعدی، با یا بدون جهت باشد. ما این رویکرد را بر روی تعدادی مثال، هم پایه و هم پیشرفته، نشان می‌دهیم. در فصل 6، ما چارچوب را برای استنتاج سطوح، منحنی ها و اتصالات به صورت سه بعدی اعمال می کنیم. در اینجا، ورودی شامل مجموعه ای از نقاط سه بعدی، با یا بدون جهت نرمال یا مماس مرتبط است. ما تعدادی مثال گویا را نشان می دهیم و همچنین به برخی کاربردهای این رویکرد اشاره می کنیم. در فصل 7، ما از چارچوب خود برای مقابله با 3 مشکل دید اولیه، شکل ناشی از سایه، تطبیق استریو و محاسبه جریان نوری استفاده می‌کنیم. در فصل 8، این کتاب را با چند نکته به پایان می‌رسانیم و جهت‌های تحقیقاتی آینده را مورد بحث قرار می‌دهیم.
ما 3 ضمیمه را شامل می‌شویم، یکی در حساب تانسور، یکی به اثبات و جزئیات فرآیند استخراج ویژگی و دیگری مربوط به بسته‌های نرم‌افزاری همراه است.

A Computational Framework for Segmentation and Grouping

This book represents a summary of the research we have been conducting since the early 1990s, and describes a conceptual framework which addresses some current shortcomings, and proposes a unified approach for a broad class of problems. While the framework is defined, our research continues, and some of the elements presented here will no doubt evolve in the coming years.It is organized in eight chapters. In the Introduction chapter, we present the definition of the problems, and give an overview of the proposed approach and its implementation. In particular, we illustrate the limitations of the 2.5D sketch, and motivate the use of a representation in terms of layers instead.
In chapter 2, we review some of the relevant research in the literature. The discussion focuses on general computational approaches for early vision, and individual methods are only cited as references. Chapter 3 is the fundamental chapter, as it presents the elements of our salient feature inference engine, and their interaction. It introduced tensors as a way to represent information, tensor fields as a way to encode both constraints and results, and tensor voting as the communication scheme. Chapter 4 describes the feature extraction steps, given the computations performed by the engine described earlier. In chapter 5, we apply the generic framework to the inference of regions, curves, and junctions in 2-D. The input may take the form of 2-D points, with or without orientation. We illustrate the approach on a number of examples, both basic and advanced. In chapter 6, we apply the framework to the inference of surfaces, curves and junctions in 3-D. Here, the input consists of a set of 3-D points, with or without as associated normal or tangent direction. We show a number of illustrative examples, and also point to some applications of the approach. In chapter 7, we use our framework to tackle 3 early vision problems, shape from shading, stereo matching, and optical flow computation. In chapter 8, we conclude this book with a few remarks, and discuss future research directions.
We include 3 appendices, one on Tensor Calculus, one dealing with proofs and details of the Feature Extraction process, and one dealing with the companion software packages.