In this section, we will discuss ho

In this section, we will discuss how contextual information
can be modeled by means of MRF modeling. This model representing
the local characteristics of the underlying image, when combined with
the conditional distribution of the pixel intensities under a Bayesian framework, will enable us to estimate the true intensities of the image
much more accurately than those based on only the information derived
from the image intensities.

ผลลัพธ์ (ไทย) 1:

ในส่วนนี้ เราจะหารือข้อมูลบริบทอย่างไร สามารถจำลอง โดยวิธีการสร้างโมเดล MRF รุ่นนี้แทน ลักษณะเฉพาะของรูปแบบ เมื่อรวมกับ การแจกแจงแบบมีเงื่อนไขของการปลดปล่อยก๊าซพิกเซลภายใต้กรอบทฤษฎี จะช่วยให้เราสามารถประเมินการปลดปล่อยก๊าซที่เป็นจริงของรูป อย่างถูกต้องมากขึ้นกว่าเฉพาะข้อมูลที่ได้มา จากการปลดปล่อยก๊าซรูป

ผลลัพธ์ (ไทย) 2:

ในส่วนนี้เราจะพูดถึงวิธีการที่ข้อมูลตามบริบทสามารถจำลองโดยใช้วิธีการสร้างแบบจำลอง MRF รุ่นนี้เป็นตัวแทนของลักษณะท้องถิ่นของภาพต้นแบบเมื่อรวมกับการกระจายเงื่อนไขของความเข้มพิกเซลภายใต้กรอบคชกรรมจะทำให้เราสามารถที่จะประเมินความเข้มที่แท้จริงของภาพมากขึ้นอย่างถูกต้องกว่าในบรรดาผู้ที่ใช้เฉพาะข้อมูลที่ได้มาจากความเข้มของภาพ

ผลลัพธ์ (ไทย) 3:

ในส่วนนี้เราจะหารือถึงวิธีการ
ข้อมูลบริบทสามารถจำลองโดย mrf โมเดลลิ่ง รุ่นนี้แทน
ลักษณะท้องถิ่นต้นแบบของภาพ เมื่อรวมกับเงื่อนไขการกระจายของ
พิกเซลเข้มภายใต้กรอบส์จะช่วยให้เราเพื่อประเมินความเข้มของภาพ
จริงมากขึ้นถูกต้องกว่าโดยเฉพาะข้อมูลที่ได้มา
จากภาพความเข้ม .