Abstract
Subspace appearance models are widely used in computer vision and image processing tasks to compactly represent the appearance variations of target objects. In order to ensure algorithm performance, they are typically stored in high-precision formats; this results in a large storage footprint, rendering redistribution costly and difficult. Since for most image and vision applications, pixel values are quantized to 8 bits by the acquisition apparatuses, we show that it is possible to construct a fixed-width, effectively lossless representation of the bases vectors, in the sense that reconstructions from the original bases and from the quantized bases never deviate by more than half of the quantization step-size. In addition to directly applying this result to losslessly compress individual models, we also propose an algorithm to compress appearance models by utilizing prior information on the modeled objects in the form of prior appearance subspaces. Experiments conducted on the compression of person-specific face appearance models demonstrate the effectiveness of the proposed algorithms
چکیده
مدل های ظاهر زیرفضا به طور گسترده ای در بینایی کامپیوتری و پردازش تصویر مورد استفاده قرار می گیرند تا تغییرات ظاهر اشیای هدف را نشان دهند. برای اطمینان از عملکرد الگوریتم، این مدل ها معمولا در فرمت های با دقت بالا ذخیره می شوند؛ که منجر به جاگیری زیاد برای ذخیره سازی، پرداخت بازتوزیع هزینه بر و دشوار می شوند. از آنجاکه در بیشتر کاربردهای تصویر و بینایی، مقادیر پیکسل ها به 8 بیت کوانتیده می شوند، نشان می دهیم که ساخت نمایش پهنای ثابت بدون اتلاف کارآمد بردارهای پایه، به نحوی که بازسازی از پایه اصلی و پایه کوانتیده شده هیچگاه از بیش از نصف گام کوانتش منحرف نشود، امکان پذیر می باشد. علاوه بر اعمال مستقیم این نتیجه به مدل های منفرد فشرده بدون تلفات، یک الگوریتم برای فشرده سازی مدل های ظاهر با استفاده از اطلاعات قبلی موجود در اشیای مدل شده به صورت ظاهر زیرفضاها ارائه می کنیم. آزمایشات انجام شده بر روی فشرده سازی مدل های ظاهر چهره شخص=خاص، نشان دهنده کارآمدی الگوریتم های ارائه شده می باشد.
1-مقدمه
در بینایی کامپیوتری و پردازش تصویر، مدل های ظاهر زیر فضا در کارهای مختلفی از جمله مسیریابی دیداری [1]، پویانمایی [2] و تشخیص/شناسایی اشیا مورد استفاده قرار گرفته است [3]. برای یک دسته مشخص از اشیا، مدل ظاهر زیرفضا با شناسایی یک زیرفضا در فضای ظاهر شئ با ابعاد بالا ساخته می شود بگونه ای که ظاهر اشیای جدید را می توان با ترکیب خطی چندین یا تمام بردارهای پایه آن تقریب زد. مدل های ظاهر معمولا با استفاده از تحلیل مولفه اصلی PCA [4] یا اشکال قوی دیگر آن [5] آموزش داده می شوند...