Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

在视觉感知框架中的通用视角假设.

W T Freeman1

  • 1Mitsubishi Electric Research Laboratories, Cambridge, Massachusetts 02139.

Nature
|April 7, 1994
PubMed
概括
此摘要是机器生成的。

这项研究引入了一种新的方法来量化视觉解释中特定观点的可能性. 通过使用通用视图假设,这个框架增强了计算机视觉和人类视觉模型.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Case for Diagnosis.

Proceedings of the Royal Society of Medicine·2009
Same author

Bromide Eruption.

Proceedings of the Royal Society of Medicine·2009
Same author

Dermatitis Artefacta.

Proceedings of the Royal Society of Medicine·2009
Same author

Correctness of belief propagation in Gaussian graphical models of arbitrary topology.

Neural computation·2001
Same author

Separating style and content with bilinear models.

Neural computation·2000
Same author

Bayesian color constancy.

Journal of the Optical Society of America. A, Optics, image science, and vision·1997
Same journal

Daily briefing: 'Cyborg' cockroaches breathe underwater with printed suit.

Nature·2026
Same journal

China boosts prestigious grants for young scientists - will it ease competition?

Nature·2026
Same journal

Incoming US science academy chief vows to 'double down' on research.

Nature·2026
Same journal

Author Correction: Synthesis of enantioenriched atropisomers by biocatalytic deracemization.

Nature·2026
Same journal

Electrodeposited self-assembled molecules for perovskite photovoltaics.

Nature·2026
Same journal

Neutrino's nursery found: the 'Shadow Blaster'.

Nature·2026
查看所有相关文章

科学领域:

  • 计算机视觉 计算机视觉
  • 计算神经科学是一种神经科学.
  • 图像解释 图像解释

背景情况:

  • 视觉系统依赖于假设来解释复杂的视觉数据.
  • "通用视图"假设假设观察者与场景相比没有特殊位置.
  • 当前的方法往往使基于偶然观点的解释失格.

研究的目的:

  • 开发一个概率框架来量化图像解释中的视图概率.
  • 将通用视图假设和类似的原则整合到一个定量度量中.
  • 在视觉建模中减少对其他先前假设的依赖.

主要方法:

  • 在概率计算中将通用视图假设作为可量化的术语纳入.
  • 开发一个新的图像解释框架,考虑视图概率.
  • 应用框架来从图像中推断形状,表面特性和运动.

主要成果:

  • 展示了一种方法来量化给定视图的可能性,增强图像解释.
  • 展示了一个框架,通过减少对其他先验的依赖来更好地建模视觉世界.
  • 实现了对人类视觉的改进建模以及对更准确计算机视觉算法的潜力.

结论:

  • 拟议的框架通过量化视图概率,为视觉解释提供了更强大的方法.
  • 这种方法有可能显著提升计算机视觉系统的功能.
  • 这些发现有助于更深入地了解人工和生物视觉处理.