重访匹配追踪:超越近似子模性
计算机视觉与模式识别
2023-05-16 v1 图像与视频处理
摘要
我们研究从大集合中选取向量子集以在一族函数上获得最佳信号表示的问题。尽管贪婪方法已广泛用于处理该问题,且其中许多已在(弱)子模性视角下被分析,但这些算法没有一种是显式利用此类函数性质设计的。在此,我们重访向量选择问题并引入一个被证明在期望下为子模的函数。该函数不仅通过贪婪算法在期望下保证近最优性,还缓解了常用匹配追踪(MP)算法中存在的不足。我们进一步展示了所提贪婪算法的单点估计版本与 MP 变体之间的关系。我们的理论结果得到了用于到达角估计问题(一个典型的信号表示任务)的数值实验的支持;实验证明了所提方法相对于传统 MP 算法的优势。
引用
@article{arxiv.2305.07783,
title = {ROI-based Deep Image Compression with Swin Transformers},
author = {Binglin Li and Jie Liang and Haisheng Fu and Jingning Han},
journal= {arXiv preprint arXiv:2305.07783},
year = {2023}
}
备注
This paper has been accepted by ICASSP 2023