グラフコストの逐次更新を用いた映像顕著領域の自動抽出

摘要

本稿では，高い精度で映像中から顕著な領域を自動的に抽出するための方法を提案する．提案手法では，顕著度による事前確率を取り入れた，最大事後確率推定に基づくグラフかソト画像分割手法と，以前の分割結果を参照しながら事前確率および特徴量尤度などで構成されるグラフコストを逐次更新する方法を導入している．顕著度を利用した既存手法は，顕著度の揺らぎにより分割結果が時系列として不安定になる問題があるが，提案手法では，グラフコストを逐次的に更新することにより，顕著度のみを頼らない安定した自動抽出が実現できる．実験により，提案手法が自動で映像から高精度に顕著領域を抽出できることを示している．%This report proposes a new method for achieving precise video segmentation without any supervision or interation. The main contributions of this report include 1) the introduction of framewise segmentation based on the maximum a posteriori (MAP) estimation of the Markov random field (MRF) with graph cuts and saliency-driven priors and 2) the updating of priors and feature likelihoods by integrating the previous segmentation results and the currently estimated (saliency-based) visual attention. Test results indicate that our new method precisely extracts salient regions from videos without any supervised interactions.