私はこれについてかなり長い間考えてきましたが、これについて実際に詳細な分析を行ったことはありません. GrabCut [1] アルゴリズムを使用した前景セグメンテーションは、入力画像のサイズに依存しますか? 直感的には、グラブカットはカラー モデルに基づいているため、画像のサイズが変わっても色の分布は変わらないように見えますが、小さい画像の [エイリアシング] アーティファクトが役割を果たす可能性があります。
グラブカットを使用した画像セグメンテーションに対する画像のサイズの依存性に関する考えや既存の実験は、高く評価されます。
ありがとう
[1] C. Rother、V. Kolmogorov、および A. Blake、GrabCut: 反復グラフ カット、ACM Trans を使用したインタラクティブな前景抽出。グラフ、vol。23, pp. 309–314, 2004.
Microsoft Research 提供のGrabCut 論文の PDF を次に示します。
画像サイズの 2 つの主な影響は、実行時間と、重要と見なされる画像の細部のスケールです。これら 2 つのうち、実行時間は GrabCut で問題になるものです。グラフ カット メソッドはすでにかなり遅く、GrabCut はそれらを繰り返し使用します。
画像をより低い解像度にダウンサンプリングすることから始めることは非常に一般的です。多くの場合、ローパス フィルターと組み合わせて使用します (つまり、ソース画像をガウス カーネルでサンプリングします)。これにより、アルゴリズムが実行するnが大幅に減少し、結果に対する細部やノイズの影響が減少します。
マスキングを使用して、画像の特定の部分のみに処理を制限することもできます。GrabCut では、最初の「グラブ」または選択段階で既にこの一部を取得しており、後でブラシベースの調整段階で再度取得しています。この段階では、縮尺に関するいくつかの暗黙的な情報も得られます。つまり、対象のフィーチャが選択領域のほとんどを占めている可能性があります。
おすすめ：
都合のよい縮尺で画像を表示し、選択した領域をサンプルごとにおよそ n = 100k から 200k の範囲にダウンサンプリングします。結果の品質を改善する必要がある場合は、初期段階の結果を、より高い解像度での次の反復の開始点として使用します。