Motion Segmentation by Subspace Separation: Model Selection and Reliability Evaluation
Motion Segmentation by Subspace Separation: Model Selection and Reliability Evaluation
复制标题
DOI：
10.1142/s0219467802000585
复制
发表时间：
2002-04
期刊：
影响因子：
--
通讯作者：
K. Kanatani
中科院分区：
文献类型：
--
作者：
K. Kanatani
重新Costeira-Kanade算法作为一个纯粹的数学定理，我们提出了一个强大的分割过程，我们称之为子空间分离，将模型选择使用几何AIC。然后，我们研究了使用模型选择估计独立运动的数量的问题。最后，我们提出了评估个人分割结果的可靠性的标准。再次，模型选择起着重要作用。我们证实了我们的方法的有效性，实验使用合成和真实的图像。
Reformulating the Costeira–Kanade algorithm as a pure mathematical theorem, we present a robust segmentation procedure, which we call subspace separation, by incorporating model selection using the geometric AIC. We then study the problem of estimating the number of independent motions using model selection. Finally, we present criteria for evaluating the reliability of individual segmentation results. Again, model selection plays an important role. We confirm the effectiveness of our method by experiments using synthetic and real images.