面向计算机视觉最小化问题的量子退火
量子物理
2023-12-21 v1 计算机视觉与模式识别
摘要
计算机视觉标记算法在低级视觉领域发挥着关键作用。数十年来，人们已知这些问题可以优雅地表述为源自概率图模型（如马尔可夫随机场）的离散能量最小化问题。尽管推理算法（如图割和消息传递算法）取得了最新进展，由此产生的能量最小化问题通常仍被视为难以处理的。量子计算的出现为某些问题提供了比经典方法更快的求解潜力，引发了人们日益浓厚的兴趣，即利用量子特性来克服难以处理的问题。最近，量子计算机视觉也日益受到关注，人们希望它能为该领域的深度学习解决方案提供可靠的替代或辅助。本研究探讨了一种新的基于量子退火的推理算法，用于解决计算机视觉离散能量最小化问题。我们的贡献聚焦于立体匹配这一重要的计算机视觉标记问题。作为概念验证，我们还使用 D-Wave System 提供的量子-经典混合求解器，将我们的结果与文献中最佳的经典推理算法进行了比较。
引用
@article{arxiv.2312.12848,
title = {Quantum Annealing for Computer Vision Minimization Problems},
author = {Shahrokh Heidari and Michael J. Dinneen and Patrice Delmas},
journal= {arXiv preprint arXiv:2312.12848},
year = {2023}
}