सेमांटिक मानव मैटिंग

मानव मैटिंग, प्राकृतिक छवियों से मानवों का उच्च गुणवत्ता वाला निष्कर्षण, कई प्रकार के अनुप्रयोगों के लिए महत्वपूर्ण है। चूंकि मैटिंग समस्या गंभीर रूप से अंडर-कंस्ट्रेन्ड है, अधिकांश पूर्ववर्ती विधियों को उपयोगकर्ता द्वारा निर्दिष्ट ट्रिमैप या स्क्रिबल्स को बाधाओं के रूप में लेने के लिए उपयोगकर्ता इंटरैक्शन की आवश्यकता होती है। यह उपयोगकर्ता-इन-द-लूप स्वभाव उन्हें बड़े पैमाने पर डेटा या समय-संवेदनशील परिदृश्यों में लागू करना कठिन बनाता है। इस पेपर में, हम स्पष्ट उपयोगकर्ता इनपुट बाधाओं का उपयोग करने के बजाय, डेटा से सीखी गई निहित सेमांटिक बाधाओं का उपयोग करते हैं और एक स्वचालित मानव मैटिंग एल्गोरिदम सेमांटिक मानव मैटिंग (SHM) का प्रस्ताव करते हैं। SHM पहला एल्गोरिदम है जो गहरे नेटवर्कों के साथ सेमांटिक जानकारी और उच्च गुणवत्ता की जानकारियों को संयुक्त रूप से समायोजित करना सीखता है। व्याव prakt में, मोटे सेमांटिक्स और बारीक जानकारियों दोनों को समानांतर रूप से सीखना चुनौतीपूर्ण है। हम एक नवीन फ्यूजन रणनीति का प्रस्ताव करते हैं जो स्वाभाविक रूप से अल्फा मैट का संभाव्य अनुमान देती है। हम मानव मैटिंग के अध्ययन और मूल्यांकन को सुविधाजनक बनाने के लिए 35,513 अनूठे अग्रभूमियों के उच्च गुणवत्ता वाले एनोटेशंस के साथ एक बहुत बड़ा डेटासेट भी बनाते हैं। इस डेटासेट पर विस्तृत प्रयोग और कई वास्तविक छवियों पर प्रदर्शन करते हैं कि SHM उच्चतम स्तर की इंटरेक्टिव मैटिंग विधियों के साथ तुलनीय परिणाम प्राप्त करता है।