面向卫星成像束调整问题的量子机器学习方法探索
量子物理
2022-04-26 v1 计算机视觉与模式识别
机器学习
摘要
给定一组图像，所有图像均在不同时刻、从不同视角拍摄了同一区域的景象。任务是对所有图像进行对齐，以便从融合图像中提取位姿、变化与地形等相关信息。由于这些子任务具有极高的计算复杂度，本文聚焦于关键点提取与特征匹配的量子方法。为此，我们研究了 k-medoids 聚类、核密度聚类、最近邻搜索与核方法，并阐述了如何将这些方法重新表述以适用于量子退火机与基于门的量子计算机。在数字量子仿真硬件、量子退火机与量子门计算机上获得的实验结果表明，经典系统目前仍给出更优结果。然而，所提方法已为当前及下一代量子计算设备做好准备，这些设备有望在不久的将来实现对经典系统的超越。
引用
@article{arxiv.2204.11133,
title = {Towards Bundle Adjustment for Satellite Imaging via Quantum Machine Learning},
author = {Nico Piatkowski and Thore Gerlach and Romain Hugues and Rafet Sifa and Christian Bauckhage and Frederic Barbaresco},
journal= {arXiv preprint arXiv:2204.11133},
year = {2022}
}