Glosario IA
El diccionario completo de la Inteligencia Artificial
Segmentación Interactiva
Proceso de segmentación de imágenes donde un usuario guía el algoritmo proporcionando indicaciones, como clics o trazos, para refinar los resultados en tiempo real.
Clics Positivos y Negativos
Método de anotación donde el usuario hace clic en los píxeles pertenecientes al objeto de interés (positivos) y en los del fondo (negativos) para restringir el modelo de segmentación.
Scribbles (Gribujos)
Anotaciones en forma de trazos gruesos dibujados por el usuario sobre una imagen para indicar las regiones de primer plano y de fondo, sirviendo como restricciones para el algoritmo.
Propagación de Semillas
Técnica donde puntos de partida (semillas) proporcionados por el usuario se utilizan para propagar una etiqueta de segmentación a los píxeles vecinos según criterios de similitud.
GrabCut
Algoritmo de segmentación interactivo basado en cortes de grafos (graph cuts) que utiliza un modelo de mezcla de gaussianas para modelar los colores de primer plano y de fondo.
Segmentación por Crecimiento de Regiones (Region Growing)
Método iterativo que parte de uno o más puntos de partida (semillas) y añade los píxeles vecinos que satisfacen un criterio de homogeneidad, a menudo definido por el usuario.
Watershed Interactivo
Aplicación del algoritmo de watershed (línea de división de aguas) donde los marcadores, que definen las cuencas hidrográficas, son colocados manualmente por el usuario para controlar la sobre-segmentación.
Refinamiento por Cajas Delimitantes (Bounding Box Refinement)
Técnica donde el usuario dibuja una caja delimitante alrededor del objeto, y el algoritmo refina la segmentación dentro de esta caja, a menudo utilizada como primer paso rápido.
Deep Extreme Cut (DEXTR)
Método de segmentación interactiva basado en aprendizaje profundo que utiliza cuatro puntos extremos (arriba, abajo, izquierda, derecha) del objeto para generar una segmentación precisa.
Fundamento del Aprendizaje Activo (Active Learning)
Principio según el cual el algoritmo identifica las zonas de incertidumbre y solicita la intervención del usuario únicamente para estas regiones, optimizando así el esfuerzo de anotación.
Corrección de Máscara
Proceso iterativo donde el usuario puede añadir o eliminar regiones de una máscara de segmentación inicial, a menudo mediante clics, para mejorar la precisión del resultado final.
Segmentación por Muestreo de Ejemplos (Example-based Segmentation)
Enfoque donde el usuario proporciona ejemplos de píxeles pertenecientes a la clase objetivo, y el algoritmo segmenta el resto de la imagen encontrando los píxeles similares según características como el color o la textura.
Función de Costo Ponderada por el Usuario
En los métodos de optimización, una función de costo donde los términos relacionados con las restricciones del usuario reciben un peso elevado, forzando la solución a respetar estrictamente las indicaciones proporcionadas.
Resolución Multi-escala Interactiva
Estrategia que realiza una segmentación inicial en una versión de baja resolución de la imagen para mayor rapidez de ejecución, luego refina los resultados en resoluciones superiores utilizando las mismas restricciones del usuario.
Modelo de Apariencia
Modelo estadístico (ej: mezcla de gaussianas, histograma) de las características de color o textura de una región, construido a partir de las anotaciones del usuario para guiar la segmentación.
Edición de Frontera (Boundary Editing)
Herramientas interactivas especializadas que permiten al usuario manipular directamente los contornos de la máscara de segmentación, por ejemplo tirando/empujando la frontera o añadiendo puntos de control.