دانلود ترجمه مقاله چارچوب حجمی موثر برای ردیابی شکل

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” چارچوب حجمی موثر برای ردیابی شکل” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1.1. تحقیقات قبلی
1.2. بررسی اجمالی روش
2. تسلیشن وورونی مرکزی
3. مدل تغییر شکل
2.1. مفاهیم
3.2. فرمولبندی
3.3. احتمالات وضع منتجه
4. مدل مشاهده
4.1. تناسب شکل احتمالاتی
4.2. تست های سازگاری
5. استتنتاج
6. آزمایش ها
6.1. مجموعه داده ها
6.2. پروتکل آزمایشی
6.3. آنالیز کمی
6.4. ارزیابی کیفی
7. بحث

• بخشی از ترجمه:

7. بحث
روش حجمی جدید برای ردیابی شکل مبتنی بر تجزیه حجم CVT را ارائه کردیم. روش خواص مطلوب CVT را به منظور ایجاد محدودیت های تغییر شکل پذیر حجمی به کار می برد، در حالی که طرح تخصیص حجم بعنوان اصطلاح داده ها از طریق پوشش مرکز سلولی از حجم تدوین می شود. به تازه گی، خوشه بندی حجمی ارائه شده برای حجم ها اندازه های یکنواخت در کل شکل الگو را ایجاد می کند، که محدودیتی برای بخش هایی میشود که نازکتر از اندازه خوشه، همچون بازوها، می شود. این موضوع را در اثر آتی با تراکم های خوشه تطبیقی بررسی خواهیم کرد، با این تضمین که حجمی قبلی صرفنظر از لحاظ کردن ضخامت به همان اندازه کارآمد می باشد. با اینحال عددی آنالیز عددی بهبود قابل توجهی بر روی حالت روش های ردیابی هنر، هم بر حسب خطای ردیابی روی سطح و هم طرحریزی دوباره تصویر سیاه یکدست نشان می دهد. همچنین چارچوب برای مطابقت با درک مستقیم از ثبات بیشتر با توجه به خطاها و اندازه گیری های حجمی از شکل های الگوی متناسب شده نشان داده شده است. بر این باور داریم که روش مسیر را برای مقدم های حجمی در هر چارچوب ردیابی شکل هموار می کند.

• بخشی از مقاله انگلیسی:

7. Discussion

We have presented a novel volumetric approach to shape tracking based on CVT volume decomposition. The approach leverages CVT desirable properties to build suitable volumetric deformable constraints, while formulating a discrete volume assignment scheme as data term through the uniform cell centroid coverage of the volume. Currently, the volumetric clustering proposed for volumes yields uniform sizes over the entire template shape, which can be a limitation for parts that are thinner than the cluster size, such as arms. We will address this in future work with adaptive cluster densities, ensuring the volumetric prior is equally efficient regardless of thickness. Numerical analysis nevertheless shows significant improvement over state of the art tracking methods, both in terms of tracking error over the surface and silhouette reprojection. The framework is also shown to conform to initial intuition in being more stable in terms of the errors and volume measures of the fitted template shapes. We believe the approach paves the way for proper use of volumetric priors in any shape tracking framework.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله