我们提出了一种面向人的特征检测框架，即全局图上的学习扩散（LDGG），以简单和低成本的方式理解个性化兴趣。引入了一种用户友好的交互方法，将特定的人类兴趣作为检测标准纳入到一个小的训练集中。给定一个测试模型，我们在由从所有训练和测试模型中提取的节点组成的全局图上，将兴趣特征检测过程建模为偏微分方程（PDE）定向扩散。为了推断用户的真实兴趣点，采用子模优化来自适应地选择扩散系统的源种子。
上一条：Edge-Preserving Filter with Adaptive L0 Gradient Optimization 下一条：Learning a Multi-Level Guided Residual Network for Single Image Deraining
