具有高斯边势的全连接 CRF 的高效推断
计算机视觉与模式识别
2012-10-23 v1 人工智能
机器学习
摘要
大多数最先进的多类图像分割和标记技术使用定义在像素或图像区域上的条件随机场（CRF）。虽然区域级模型通常具有稠密的成对连接性，但像素级模型规模要大得多，且仅允许稀疏图结构。在本文中，我们考虑定义在图像完整像素集上的全连接 CRF 模型。由此产生的图拥有数十亿条边，使得传统推断算法不切实际。我们的主要贡献是一种针对全连接 CRF 模型的高效近似推断算法，其中成对边势由高斯核的线性组合定义。我们的实验表明，像素级的稠密连接性显著提高了分割和标记的准确性。
引用
@article{arxiv.1210.5644,
title = {Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials},
author = {Philipp Krähenbühl and Vladlen Koltun},
journal= {arXiv preprint arXiv:1210.5644},
year = {2012}
}
备注
NIPS 2011