利用变换印度 buffet 过程进行图像建模
计算机视觉与模式识别
2012-07-03 v1 机器学习
机器学习
摘要
潜在特征模型对图像建模具有吸引力，因为图像通常包含多个对象。然而，许多潜在特征模型忽略了对象可能出现在不同位置的情况，或者需要对图像进行预分割。虽然变换印度 buffet 过程（tIBP）提供了一种在未分割二值图像中建模变换不变特征的方法，但由于其计算成本和建模假设，其当前形式不适用于真实图像。我们将 tIBP 与适用于真实图像的似然函数相结合，并利用图像与特征之间的互相关开发了一种高效的推断方法，该方法在理论和实证上均快于现有的推断技术。我们的方法能够发现合理的成分，并在自然图像中实现有效的图像重建。
引用
@article{arxiv.1206.6482,
title = {Modeling Images using Transformed Indian Buffet Processes},
author = {Ke Zhai and Yuening Hu and Sinead Williamson and Jordan Boyd-Graber},
journal= {arXiv preprint arXiv:1206.6482},
year = {2012}
}
备注
Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)