Edge2Vec：一种面向拼图问题的优质嵌入方法
计算机视觉与模式识别
2022-12-23 v2
摘要
两两兼容性度量（CM）是解决拼图问题（JPP）及其近期提出的许多变体的关键组成部分。随着深度神经网络（DNN）的迅速兴起，性能（即准确率）与计算效率之间的权衡已成为一个非常重要的问题。尽管基于端到端 DNN 的 CM 模型表现出高性能，但由于其极高的计算密集度，在非常大的拼图上几乎不可行。另一方面，根据近期研究，利用嵌入概念来显著缓解计算效率，导致了性能下降。本文推导了一种先进的 CM 模型（基于改进的嵌入和一种称为硬批量三元组损失的新损失函数），以缩小上述速度与精度之间的差距；即一种在性能与效率综合方面均达到 SOTA 结果的 CM 模型。我们在三个常用数据集上评估了新推导的 CM，与先前 CM 的最佳已知结果相比，所谓的 Type-1 和 Type-2 问题变体分别获得了 5.8% 和 19.5% 的重建改进。
引用
@article{arxiv.2211.07771,
title = {Edge2Vec: A High Quality Embedding for the Jigsaw Puzzle Problem},
author = {Daniel Rika and Dror Sholomon and Eli David and Nathan S. Netanyahu},
journal= {arXiv preprint arXiv:2211.07771},
year = {2022}
}