Key points are not available for this paper at this time.
نقدم طريقة لتجزئة مشتركة تعتمد على الأجسام تستفيد من بيانات العمق وقادرة على التعامل بشكل صحيح مع الصور المزعجة التي يكون فيها الجسم الأمامي المشترك مفقودًا. باستخدام صور RGBD، تستفيد طريقتنا من قناة العمق لتحسين التعرف على الأجسام الأمامية المماثلة عبر خريطة التركيز المشترك المقترحة، بالإضافة إلى تحسين الكشف عن المناطق الشبيهة بالأجسام وتوفير ميزات محلية قائمة على العمق لمقارنة المناطق. للتعامل بدقة مع الصور المزعجة حيث يظهر الجسم المشترك أكثر من مرة أو أقل، نقوم بصياغة التجزئة المشتركة في بنية جراف متصلة بالكامل مع قيود الاستبعاد المتبادل (المتغيرات) التي تمنع الحلول غير الصحيحة. تظهر التجارب أن هذه التجزئة المشتركة المعتمدة على الأجسام RGBD مع قيود المتغيرات تتفوق على التقنيات ذات الصلة في مجموعة بيانات التجزئة المشتركة RGBD، مع معالجة فعالة للصور المزعجة. علاوة على ذلك، نوضح أن هذه الطريقة توفر أداءً يماثل تقنيات التجزئة المشتركة RGB المتطورة على صور RGB العادية مع خرائط عمق تم تقديرها منها.
درس فو وآخرون (مون،) هذا السؤال.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: