The human visual system observes and understands a scene/image by making a series of fixations. Every "fixation point" lies inside a particular region of arbitrary shape and size in the scene which can either be an object or just a part of it. We define as a basic segmentation problem the task of segmenting that region containing the "fixation point". Segmenting the region containing the fixation is equivalent to finding the enclosing contour — a connected set of boundary edge fragments in the edge map of the scene — around the fixation. This enclosing contour should be a depth boundary.We present here a novel algorithm that finds this bounding contour and achieves the segmentation of one object, given the fixation. The proposed segmentation framework combines monocular cues (color/intensity/texture) with stereo and/or motion, in a cue independent manner. The semantic robots of the immediate future will be able to use this algorithm to automatically find objects in any environment. The capability of automatically segmenting objects in their visual field can bring the visual processing to the next level. Our approach is different from current approaches. While existing work attempts to segment the whole scene at once into many areas, we segment only one image region, specifically the one containing the fixation point. Experiments with real imagery collected by our active robot and from the known databases1 demonstrate the promise of the approach.

中文翻译：

---

主动分割

人类视觉系统通过一系列注视来观察和理解场景/图像。每个“注视点”都位于场景中任意形状和大小的特定区域内，该区域可以是对象，也可以只是对象的一部分。我们将分割包含“注视点”的区域的任务定义为基本分割问题。分割包含注视点的区域相当于在注视点周围找到封闭轮廓（场景边缘图中的一组连接的边界边缘片段）。这个封闭的轮廓应该是一个深度边界。我们在这里提出一种新的算法，它可以找到这个边界轮廓并在给定固定的情况下实现一个对象的分割。所提出的分割框架将单眼线索（颜色/强度/纹理）与立体和/或运动相结合，以独立于提示的方式。不久的将来的语义机器人将能够使用该算法在任何环境中自动查找对象。在其视野中自动分割对象的能力可以将视觉处理提升到一个新的水平。我们的方法与当前的方法不同。虽然现有工作试图一次将整个场景分割成多个区域，但我们只分割一个图像区域，特别是包含注视点的区域。用我们的主动机器人和已知数据库收集的真实图像进行实验 在其视野中自动分割对象的能力可以将视觉处理提升到一个新的水平。我们的方法与当前的方法不同。虽然现有工作试图一次将整个场景分割成多个区域，但我们只分割一个图像区域，特别是包含注视点的区域。用我们的主动机器人和已知数据库收集的真实图像进行实验 在其视野中自动分割对象的能力可以将视觉处理提升到一个新的水平。我们的方法与当前的方法不同。虽然现有工作试图一次将整个场景分割成多个区域，但我们只分割一个图像区域，特别是包含注视点的区域。用我们的主动机器人和已知数据库收集的真实图像进行实验1证明该方法的承诺。