本文研究了一类新的子模函数优化问题，提出了一种基于平滑凸优化的算法SLG，可用于解决具有数万个变量的分解子模函数问题，而且在一些合成基准测试和联合分类和分割任务中优于现有的子模函数优化算法。

Oct, 2010

本文从凸分析的角度介绍了子模函数，论述了子模函数最小化与各类凸优化问题的关系，提出了新的高效算法以及多种子模函数在机器学习中的应用。

Nov, 2011

该文提出了一种基于小块标记枚举的大图通用最小化方法，可用于复杂高阶能量的优化。该方法在曲率正则化等难解问题上表现优越，并通过一种新颖的积分几何方法直接评估小块的曲率。

Mar, 2013

本文介绍了一种基于判别学习的方法来寻找高阶先验，该方法采用了结构化SVM和用于求解子模流问题的延伸割算法，说明了如何更好地利用子模函数的表达能力，实现更好的交互式分割技术。

Sep, 2013

提出了基于本地子模型逼近的优化框架（LSA），并使用TR和AUX原则，实现了在广泛应用中获得现有标准技术如LBP，QPBO和TRWS的最新结果。

Nov, 2013

本文探究了三个相关且重要的机器学习问题。我们展示了这三个问题的复杂度都依赖于子模函数的'曲率'，并提供了改进旧有结果的上下界。我们证明了曲率对于子模函数的近似、最小化和学习有影响，并通过实验结果支持了我们的理论结论。

Nov, 2013

该研究提出了一种基于离散子模规划问题的连续最佳逼近算法，提高了优化子模函数的效率和精度，并在图像分割任务中展示了该算法的优越性。

Nov, 2013

本文介绍一种易用且可并行的用于最小化由“简单”子模函数组成的子模函数的算法，并在几何子模多面体的基础上，利用谱图理论结果证明该算法线性收敛，并给出了收敛速率的上下界。

Jun, 2014

本论文提出了一种新的离散能量最低化问题家族，称为简明标记。我们的能量函数包括一元潜势和高阶团势。其中，一元潜势是任意的，而团势则与分配给团的唯一标签的多样性成比例。我们的能量函数鼓励标记是简明的，即尽可能少地使用标签。此外，我们提出了一种高效的基于图割方法的算法，可以提供强有力的理论保证，用于简明标记问题。

Jul, 2015

本文研究了离散能量最小化问题在2标签配对的情况下和三个以上标签的平面能量最小化问题的多项式时间内是否可以用合理的近似算法求解。结果表明，这两个问题都是exp-APX完全问题，不存在任何多项式时间的近似算法。此外，本文收集并综述了几个子类问题的复杂度，并将其排列在由PO、APX和exp-APX组成的复杂度尺度上，为视觉研究人员选择适当的模型或指导他们设计新算法提供了帮助。

Jul, 2016