MRF 预处理算法的判别式视角
计算机视觉与模式识别
2017-08-10 v1
摘要
虽然马尔可夫随机场 (MRFs) 广泛应用于计算机视觉，但它们提出了一个极具挑战性的推断问题。MRF 推断可以通过诸如死端消除 (DEE) 或基于 QPBO 的方法等预处理技术来加速，这些技术计算变量子集的最优标记。这些技术保证永远不会错误标记变量，但它们通常会留下大量未标记的变量。我们通过将预处理解释为分类问题来解决这一缺陷，这使我们能够权衡假阳性（即给变量分配错误标记）与假阴性（即未能标记变量）。我们描述了一种高效的判别式规则，能够为变量子集找到最优解。我们的技术提供了关于解质量的逐实例和最坏情况保证。我们在多个基准数据集上进行了实证研究。与不带预处理的扩展移动相比，我们获得了 2 到 12 倍的加速因子，并且在困难的非次模能量函数上产生了略低的能量。
引用
@article{arxiv.1708.02668,
title = {A discriminative view of MRF pre-processing algorithms},
author = {Chen Wang and Charles Herrmann and Ramin Zabih},
journal= {arXiv preprint arXiv:1708.02668},
year = {2017}
}
备注
ICCV 2017