推进明式家具图像细分的视觉基础模型:一个新的数据集和方法
Yingtong Wan1, Wanru Wang1, Meng Zhang1
1School of Industrial Design, Hubei University of Technology, Wuhan 430068, China.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
研究人员开发了一种自动化方法来细分明朝家具图像,提高文化遗产保护的准确性. 这种方法使用材料提示和结构改进,优于现有模型.
科学领域:
- 计算机视觉 计算机视觉
- 数字遗产是数字遗产的一部分.
- 人工智能的人工智能
背景情况:
- 精确细分明朝风格的家具对于文化遗产的保存和分析至关重要.
- 诸如分段任何模型 (SAM) 这样的现有模型面临着复杂的家具结构的挑战,需要手动输入并产生不准确的结果.
研究的目的:
- 为明式家具开发一种自动化和准确的图像细分方法.
- 为了克服当前视觉基础模型在处理复杂的家具细节方面的局限性.
主要方法:
- 介绍材料属性提示器 (MAP) 基于材料属性进行自动提示生成.
- 开发结构改进模块 (SRM),通过整合高层和低层特征来增强细分.
- 创建和使用含有2073个像素级注释图像的MF2K数据集.
主要成果:
- 拟议的方法显著提高了明家具的细分精度.
- 该方法的性能优于最先进的模型,在工会 (mIoU) 得分上实现了优越的平均交叉.
- 废弃性研究证实了MAP和SRM在提高性能和计算效率方面的有效性.
结论:
- 开发的自动化解决方案为细分复杂的家具结构提供了强大的工具.
- 这便于数字化保存和深入分析明朝风格的家具.
- 该方法在将人工智能应用于文化遗产应用方面取得了重大进展.
