基于序列对抗域适应的智能裁剪算法

智能裁剪任务一直受到缺乏训练数据的困扰,目前还局限于公开数据集中.因为实际应用场景与训练场景之间存在域迁移,文中提出基于序列对抗域适应的智能裁剪算法.首先,通过实验证实裁剪数据集GAICD和CPC之间存在域迁移问题.然后,构造由美学评分模块和对抗域适应模块组成的算法.美学评分模块用于预测图像的美学评分,并辅助提取面向裁剪任务的不变特征.对抗域适应模块实现基于对抗的域适应学习.不同裁剪数据集之间的域迁移实验及室内/室外场景之间的域迁移实验均验证文中算法的有效性.

沙发天然皮革智能裁剪现状前景与展望

在智能化制造的大背景下,沙发制造业面临着新的转型机遇。天然皮革是沙发行业应用最多的原材料之一,目前国内沙发行业的天然皮革裁剪和加工方式仍停留在以人工裁剪为主,少量简单的机械设备为辅的初级加工阶段。定制化家具的壮大与发展使沙发制造业正在向多品种、小批量的方向转变。传统的皮革裁剪加工方式已经无法满足现代沙发企业的发展需求,先进的加工设备对沙发制造业的发展起着重要的推动作用,本文旨在通过分析天然皮革的智能化裁剪系统在沙发行业上的应用及研究现状,从而探讨沙发行业实现皮革智能裁剪的前景。

基于运动历史图的智能裁剪视频重定向

保持视频帧的时间连续性和重要对象的整体结构在视频重定向中至关重要。针对这一问题,提出一种基于运动历史图的智能裁剪方法进行视频大小的调整。首先基于时间轴将视频帧通过估计帧间摄像机运动对齐,从而构造全局运动模型;然后在全局运动模型的基础上,利用重要度图获得全局运动历史图;最后,基于运动历史图检测重要区域、裁剪重要区域并缩放至目标尺寸。运动历史图的应用不仅保证视频帧时间连续性,而且能处理包含复杂运动场景的视频。实验结果表明,提出方法针对复杂的摄像机运动和物体运动情况均能获得很好的视频重定向结果。