顕著性マップとグラフカットの組み合わせによる自動物体抽出

摘要

物体抽出は，自動性，正確性，汎用性を備えていることが望ましい．物体抽出に関する主な従来手法に，顕著性マップとグラフカットがある．顕著性マップは自動物体抽出が行える一方で，輪郭に沿っては抽出できない．グラフカットはその逆で，Seedsと呼ばれる物体のサンプル領域をユーザが与える必要があるため，自動化ができない．特定の種類の物体に限定したヒューリステイクスや学習を用いれば，Seedsの自動推定が可能であるが，汎用性が失われる．本稿では，顕著性マップにより抽出された物体領域を，グラフカットのseedsとして用いることで，上記の3条件を満たした物体抽出手法を提案する．%It is desirable for object extraction to be automated, accurate and versatile. There are two types of methods for object detection - visual attention maps and graph cuts. Visual attention maps can automatically extract an object but not along its exact contours. Graph cuts are the other way around. They cannot automate because the samples of the object termed seeds are necessary. Although seeds can be estimated using heuristics or learnings for the specific kind of object, the versatility is lost. This paper proposes a method that meets the all three needs above using object areas extracted by visual attention maps as seeds of graph cuts.