大规模图匹配的快速投影固定点算法
本文提出了一种基于约束的图匹配方法,能够处理任意阶数、任意势函数的约束,在先前依赖于图结构的分解方法的基础上,通过约束匹配的分解,将图匹配重构为非凸非可分的优化问题,通过交替方向乘子法将其分解为多个较小、易于解决的子问题,从而设计了一个模块化可扩展的框架,并对基于两两约束和高阶约束的两个不同实例进行了研究,实验结果表明,所提出的解决方案在广泛采用的合成和真实示例基准测试中优于现有的两两图匹配方法,并且在高阶设置中具有竞争力。
Nov, 2016
介绍一种具有截止时间使用市场模型的在线加权匹配问题算法,并使用 FastGreedy 和 FastPostponedGreedy 算法来获得更好的时间复杂度和更高的竞争比。
May, 2023
本文介绍了一种 Higher-Order Projected Power Iteration 方法来解决多目标匹配问题,能够在不限制问题规模的情况下处理几何一致性,并保证环一致性,实验结果表明该方法优于现有方法。
Nov, 2018
在没有节点标签的情况下,我们提出了一种在不精确匹配的情况下识别子图与完整图之间节点对应关系的方法,该方法包括两个步骤:提取子图的最小唯一拓扑保持子集及在全图中查找可行匹配,实现基于边界可交换性的独特路径配对扩展匹配集,并通过共识算法。
Sep, 2022
我们研究了不完全多图匹配问题,该问题是配对多个有限集合的 NP 难问题的推广,多图匹配在计算机视觉中起着关键作用,已经提出了许多专门的优化技术。我们填补了这一差距,并将已知的多维分配问题近似算法转化为不完全多图匹配问题。通过实验证明,我们的新方法在目标和运行时间方面显著优于以前的技术水平。我们的算法能够在两分钟内匹配超过 500 个关键点的 29 个图像,而考虑的最快竞争方法至少需要半小时,同时产生了更差的结果。
Jun, 2024
本研究考虑权重无向图的精确和非精确匹配问题,通过定义 “friendly graphs” 和发展准确和近似解的确切条件和界限,以及优化找到最优近似同构的能力的凸松弛技术进行解决。
Jan, 2014
我们提出了一种高效而稳健的迭代解法来解决多目标匹配问题,通过利用图连接拉普拉斯将高阶邻域的信息纳入我们的新颖可靠的迭代重新加权策略中,我们证明了我们的算法在合成和真实数据集上的优越性能,同时阐述了现有方法的严重局限性以及标准迭代重新加权最小二乘方法的不适用性。
Jun, 2020