具有分段线性先验的成对 MRF 中 MAP 推断的紧凑松弛
计算机视觉与模式识别
2017-04-12 v2 机器学习
机器学习
摘要
具有大状态空间的标签分配问题是计算机视觉中的重要任务。通常，分配给相邻节点（或像素）的标签之间的成对相互作用（或平滑先验）可以描述为标签差值的函数。此类标签任务中的精确推断仍然困难，因此基于线性规划 (LP) 松弛的近似推断方法在实践中被广泛使用。在本工作中，我们研究了如何为一般的分段线性平滑先验构建紧凑的线性规划。就状态空间大小 和线性段数量 而言，每个成对团 (pairwise clique) 中的未知数数量为 。这与忽略分段线性结构时标准 LP 松弛的 大小复杂度形成对比。我们的紧凑构造与标准 LP 松弛是等价的，并导致相同的（近似）标签分配。
引用
@article{arxiv.1308.3101,
title = {Compact Relaxations for MAP Inference in Pairwise MRFs with Piecewise Linear Priors},
author = {Christopher Zach and Christian Häne},
journal= {arXiv preprint arXiv:1308.3101},
year = {2017}
}