矢量多标签能量的亚标签精确凸松弛
计算机视觉与模式识别
2016-10-11 v2 最优化与控制
摘要
非凸多标签问题的凸松弛已被证明能为多种经典计算机视觉问题产生优越的（可证明最优或近最优）解。然而，其实用性有限，因为它们需要标签空间的精细离散化，导致内存与运行时间的巨大需求。本工作中，我们提出首个针对矢量多标签问题的亚标签精确凸松弛。关键思想是我们以分段凸（而非分段线性）方式近似矢量标签问题的数据项。结果我们得到了对原始代价函数更忠实的近似，为松弛凸问题的分数解提供了有意义的解释。在大位移光流估计与彩色图像去噪的大量实验中，我们证明所计算的解具有更优质量，同时需要低得多的内存与运行时间。
引用
@article{arxiv.1604.01980,
title = {Sublabel-Accurate Convex Relaxation of Vectorial Multilabel Energies},
author = {Emanuel Laude and Thomas Möllenhoff and Michael Moeller and Jan Lellmann and Daniel Cremers},
journal= {arXiv preprint arXiv:1604.01980},
year = {2016}
}