用于无宇宙参数多匹配与聚类的非负球面松弛
机器学习
2023-10-23 v1 计算机视觉与模式识别
机器学习
最优化与控制
摘要
我们针对具有单射约束的二值矩阵上的优化问题提出了一种新颖的非负球面松弛，其特别在多匹配与聚类中有应用。我们将相应的二值矩阵约束松弛到（高维）非负球面。为优化松弛后的问题，我们使用条件幂迭代法迭代改进目标函数，同时扫掠一个与宇宙大小（或聚类数）间接相关的连续标量参数。与现有需在优化前固定整数宇宙大小的方法相反，我们的方法自动调整相应的连续参数。此外，尽管我们的方法与谱多匹配和谱聚类有相似之处，但我们的公式具有不依赖额外后处理步骤来获得二值结果的显著优势。我们的方法在各种多匹配与聚类设定中展现出引人注目的结果，即使与使用真实宇宙大小（或聚类数）的方法相比也是如此。
引用
@article{arxiv.2310.13311,
title = {Non-Negative Spherical Relaxations for Universe-Free Multi-Matching and Clustering},
author = {Johan Thunberg and Florian Bernard},
journal= {arXiv preprint arXiv:2310.13311},
year = {2023}
}
备注
Published at Scandinavian Conference on Image Analysis (SCIA) 2023