Jove
Visualize
Contáctanos

Videos de Experimentos Relacionados

Síntesis de un algoritmo de color a partir de ejemplos.

A C Hurlbert1, T A Poggio

  • 1Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge 02139.

Science (New York, N.Y.)
|January 29, 1988
PubMed
Resumen
Este resumen es generado por máquina.

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Scaling theorems for zero crossings.

IEEE transactions on pattern analysis and machine intelligence·2011
Same author

On edge detection.

IEEE transactions on pattern analysis and machine intelligence·2011
Same author

Neuromagnetic correlates of visual motion coherence.

The European journal of neuroscience·2005
Same author

Perception of three-dimensional shape influences colour perception through mutual illumination.

Nature·2000
Same author

Discrimination of cone contrast changes as evidence for colour constancy in cerebral achromatopsia.

Experimental brain research·1998
Same author

Motion edges and regions guide image segmentation by colour.

Proceedings. Biological sciences·1997
Same journal

A native sulfur deposit in Gale crater, Mars.

Science (New York, N.Y.)·2026
Same journal

Coordinated demise of harmful algal blooms.

Science (New York, N.Y.)·2026
Same journal

Genetic effects put into context.

Science (New York, N.Y.)·2026
Same journal

Bacteria share proteins to survive antibiotics.

Science (New York, N.Y.)·2026
Same journal

Impacts shaped Earth's first continents.

Science (New York, N.Y.)·2026
Same journal

Erratum for the Report "Covalently bonded single-molecule junctions with stable and reversible photoswitched conductivity" by C. Jia <i>et al</i>.

Science (New York, N.Y.)·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Se sintetizó un nuevo algoritmo de luminosidad a partir de ejemplos para separar la reflectancia de la superficie de la iluminación. Este método, utilizando una estimación lineal óptima, refleja de cerca el algoritmo de Land y tiene un rendimiento comparable a otras técnicas de aprendizaje.

Área de la Ciencia:

  • Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
  • La neurociencia computacional es la neurociencia computacional.
  • Procesamiento de imágenes Procesamiento de imágenes.

Sus antecedentes:

  • Separar la reflectancia de la superficie de la iluminación es un desafío fundamental en la visión por computadora.
  • Los algoritmos de ligereza existentes a menudo se basan en suposiciones específicas sobre la entrada visual.
  • La síntesis de algoritmos a partir de ejemplos ofrece un enfoque basado en datos para los problemas de percepción visual.

Objetivo del estudio:

  • Para sintetizar automáticamente un algoritmo de luminosidad capaz de separar la reflectancia de la superficie de la iluminación.
  • Investigar la eficacia de la estimación lineal óptima para la síntesis de algoritmos en la visión temprana.
  • Para comparar el algoritmo sintetizado con los métodos existentes, incluyendo el algoritmo de Land y la propagación inversa.

Videos de Experimentos Relacionados

Principales métodos:

  • Se utilizó un modelo mundial de Mondrian para generar pares de imágenes de ejemplo (señal de intensidad y reflectancia de superficie).
  • Se empleó la estimación lineal óptima como técnica de síntesis, asumiendo un operador lineal.
  • El algoritmo sintetizado fue analizado y comparado con el algoritmo de Land y la propagación inversa.

Principales resultados:

  • Se sintetizó con éxito un algoritmo de ligereza funcional a partir de ejemplos de pares de imágenes.
  • El algoritmo sintetizado demostró una equivalencia aproximada al filtrado a través de campos receptivos centro-alrededor.
  • La estimación lineal óptima demostró ser efectiva, ya que solo se requiere el supuesto de linealidad para el operador de transformación.

Conclusiones:

  • La estimación lineal óptima es un método viable para sintetizar algoritmos de visión temprana, como algoritmos de ligereza, a partir de ejemplos.
  • El algoritmo sintetizado funciona de manera comparable a los métodos establecidos como el algoritmo de Land.
  • Los métodos de aprendizaje alternativos como la retropropagación no dieron resultados significativamente superiores para esta tarea específica.