用于具有非凸先验的多标签 MRF 的迭代重加权图割
计算机视觉与模式识别
2016-11-30 v1
摘要
虽然具有非凸先验的多标签马尔可夫随机场（MRFs）在计算机视觉中被广泛认为非常有效，但难以优化。为解决这一问题，我们引入了一种算法，该算法通过适当加权的代理能量迭代地近似原始能量，而该代理能量更易于最小化。我们的算法保证原始能量在每次迭代中都会降低。特别是，我们考虑了加权代理能量的全局最小化器可通过多标签图割算法获得的情形，并表明我们的算法随后使我们能够处理各种各样的非凸先验。我们在立体视觉和图像修复问题上展示了我们的方法优于最先进的 MRF 能量最小化技术。
引用
@article{arxiv.1411.6340,
title = {Iteratively Reweighted Graph Cut for Multi-label MRFs with Non-convex Priors},
author = {Thalaiyasingam Ajanthan and Richard Hartley and Mathieu Salzmann and Hongdong Li},
journal= {arXiv preprint arXiv:1411.6340},
year = {2016}
}
备注
9 pages, 5 figures and 6 tables