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凸形式的方法，用于解决在单个图像中给定一组二维路标的情况下估计物体三维形状的问题，解决了现有方法中对于相机姿态和形状参数的联合估计需要解决非凸优化问题导致的初始化敏感性问题，本文方法能够恢复精确的三维形状且应用在人体姿势和汽车形状估计中。

Nov, 2014

该论文提出了一种通用的多类弱监督分类方法，其中引入了一种基于凸松弛的代价函数来解决软最大损失的本地极小问题，于是设计了一种算法来高效地解决相应的半定规划问题，并在不同数据集上表现出较好的效果，包括多实例学习和半监督学习，以及聚类任务。

Jun, 2012

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

本文提出了一种基于稀疏表示的 3D 形状重构方法，通过解决优化问题中的非凸性，利用单个图像恢复了物体形状，并且提出了一个鲁棒的方法来处理二维对应关系中的大量误差。实验证明该方法可用于从单个图像中恢复 3D 人体姿势和汽车模型，相较于非凸基线方法，能够获得更好的效果。

Sep, 2015

利用凸松弛技术提出了一个可以减少大规模数据上的推断算法运行时间的计算框架，同时保证推断的精度，为研究者提供了一个利用大数据优势的方法。

Nov, 2012

本文提出基于赋对问题的多模型匹配能量公式，以及基于最小费用最大流算法的高效求解器，该方法能够显著增加匹配数量，并且可以提高模型拟合精度。

Mar, 2013

利用现有的数值计算代数几何理论中的多项式优化问题，提出了一种通用的非最小化求解器，并将其应用于三维视觉中的非最小问题和一致性最大化问题，结果显示这种方法的结果与现有的方法相比非常有竞争力并且容易实现。

Sep, 2019

本文提出一种名为 Multi-X 的多分类多实例模型拟合通用公式，通过一种新的标签空间移动技术，在模型参数的密度分布区域内自动设定关键的优化参数以实现快速且鲁棒的优化。并且结合基于交叉验证的技术去除数据中的离群点。该公式在公开数据集中的多种问题的表现均优于现有技术。

Jun, 2017

本研究提出了一种灵活的凸松弛算法，用于解决相位恢复问题，该算法在信号的自然域中运行，通过简单的凸程序，通过对称 “平板” 所代表的不等式约束来对相位量测进行松弛，找到最佳与给定锚向量对齐的交点极值，通过几何条件来证明算法的成功，证明在最优样本复杂度下几何证书的成功概率高，数值实验表明该方法可以解决编码衍射测量下的相位恢复问题。

Oct, 2016