本文介绍了一种新颖的倾斜平面 MRF 模型，它同时对遮挡边界和深度进行推理。作者将问题定义为混合 MRF 中的推理问题，其中包括连续（即倾斜的 3D 平面）和离散（即遮挡边界）随机变量，从而使他们能够定义潜在函数，编码由分割边界组成的像素的所有权，以及编码哪些交界处是物理上可能的。我们的方法在 Middlebury 高分辨率图像以及更具挑战性的 KITTI 数据集上表现优于现有的倾斜平面 MRF 方法，并且比现有的方法更高效，平均需要 2 分钟来执行高分辨率图像的推理。

Apr, 2012

本文将多标签离散马尔可夫随机场中的融合移动技术应用到图匹配问题中，结合了最新的双重方法，证明了这种方法在速度和解决方案质量方面的显著优势。经过广泛的图匹配数据集实证评估，本文所提出的方法大幅领先于其他竞争者，成为了学科发展的一个新的标杆。

Jan, 2021

本文提出了一种基于图形的跟踪方法，使用新的本地成对特征，解决包含离群点的多切割问题并在 MOT16 基准测试上取得了最优效果。

Aug, 2016

本文研究了基于度量交互势能的连续域图像标注问题的凸松弛问题，提出了两种不同的凸松弛方法并通过 Douglas-Rachford 迭代方案求解离散问题，结果在合成和实际图像上都表现出了优良性能，在非标准势能情况下，结合创新二值化技术能够恒定的恢复出图像标注的离散解。

Feb, 2011

基于深度学习的神经 MRF 模型在立体匹配任务中取得了显著的性能提升，通过在潜在函数和信息传递方面应用数据驱动的神经网络，该模型有效地解决了传统立体方法中的建模限制和精度问题，并借助变分推断理论保留了立体 MRF 模型的图感知特征。对于高分辨率图像进行可行的推理，并通过适应性地剪枝视差搜索空间的 Disparity Proposal Network (DPN)，使得该方法在 KITTI 2012 和 2015 榜单上名列第一，且运行时间不超过 100 毫秒。与传统的全局方法相比，本方法的性能显著提升，例如在 KITTI 2015 数据集上将 D1 指标降低了 50%，并且具有强大的跨领域泛化能力和恢复锐利边缘的特点。详细代码请参见此链接。

Mar, 2024

本文提出了一种基于函数提升的新型空间连续凸松弛框架，旨在解决多标签问题，与之前提出的基于函数提升的方法相比，本方法基于分段凸近似，因此需要更少的标签；与最近的基于 MRF 的方法相比，本方法在一个空间连续设置中进行，并且显示较少的栅格偏差；此外，本文的公式在局部意义上是可能得到的最紧凑的凸松弛，易于实现并允许在 GPU 上进行高效原始 - 对偶优化。本方法在几个计算机视觉问题上的效果证明了其有效性。

Dec, 2015

本文提出了一种基于仿射子空间模型的特征运动物体分割新框架，该方法通过稀疏 PCA 表示原始轨迹，通过自动搜索最近邻点的稀疏表达来实现局部子空间分离，并提出了一种误差估计来处理缺失数据问题，最后通过谱聚类方法将不同的运动分割出来，实验证明该方法在精度和运算时间上优于其他运动分割方法。

Jan, 2017

采用单幅投影的主动立体视觉技术，也称为一次性三维扫描，已经引起了产业、医学等领域的广泛关注。然而，一次性三维扫描存在稀疏重建的严重缺陷，并且由于空间模式的复杂性，在嵌入效率方面容易受到噪声的影响，从而导致解码不稳定。为了解决这些问题，我们提出了一种适用于任何类型的静态模式的像素级插值技术，只要该模式是规则且周期性的。通过使用经过高效数据增强算法预训练的 U-net，我们实现了这一目标。在本文中，为了进一步解决解码不稳定性问题，我们提出了一种基于马尔科夫随机场（MRF）优化的鲁棒对应点查找算法。我们还提出了一种基于 b 样条和高斯核插值的形状细化算法，使用明确检测到的激光曲线。实验证明了所提方法在强噪声和纹理实际数据上的有效性。

Sep, 2023

本文研究面向自动驾驶场景的单目图像像素级实例标注问题，使用卷积神经网络和密集连接马尔可夫随机场模型结合的方式，提出了一种全局实例标注方法，并在 KITTI 基准数据集上取得了显著的性能提升。

Dec, 2015

本研究提出了一个针对半监督语义分割的简单但高效的半监督语义分割方法，称为 CorrMatch，目的是通过一致性正则化从未标记的图像中挖掘更多高质量的区域，以更有效地利用未标记的数据。

Jun, 2023