路径概率方法在时间上近似推理的扩展

在过去的十年中，公开可用的数字视频片段数量急剧增长。这促使了计算机视觉领域新技术的发展，旨在对此类数据进行高效分析、存储和检索。许多中级计算机视觉任务，如分割、目标检测、跟踪等，都涉及基于可用视频数据的推理问题。视频数据具有高度的空间和时间相干性。必须智能地利用这一特性才能获得更好的结果。图模型，如马尔可夫随机场，已成为此类推理问题的强大工具。它们自然适合表达视频数据中存在的空间依赖性。然而，如何将现有技术扩展到时间上的推理问题尚不清楚。本论文探讨了路径概率方法，这是一种统计力学中的变分技术，在图模型和近似推理问题的背景下进行了研究。它将该方法扩展为一个用于涉及时间推理问题的通用框架，从而产生了一种算法DynBP。我们探讨了该算法与现有技术的关系，并发现该算法与现有方法相比具有竞争力。本论文的主要贡献是扩展的GBP算法、将路径概率方法扩展到DynBP算法以及它们之间的关系。我们还探索了计算机视觉中涉及时间演化的一些应用，并取得了有希望的结果。