CVPRMar, 2018

基于同情保守原则的图像分割平衡剪枝算法

PDF
TL;DR本文提出 Compassionately Conservative Balanced (CCB) Cut costs 算法，可用于解决图像分割问题，该算法基于 NCut 目标函数，针对单一分区得分问题提出了一种新的解决方法，并通过 BSDS500 数据库中的图像测试验证了其在分割准确性和区域大小方面的优越性。
发现论文，激发创造
  • 一步二分图切割：一种标准化的公式及其在可扩展子空间聚类中的应用

    本文提出了一种新的一步二分图切割（OBCut）标准，可以在线性时间内强制执行归一化条件，并将其扩展到可扩展的子空间聚类方法中。实验表明，该方法在各种普通和大规模数据集上具有有效性和可扩展性。

    May, 2023

  • 带公平约束的谱归一化 - 割图分割

    我们提出了一种名为 FNM 的二阶段谱算法，通过在目标函数中添加公平性准则来获取更公平的谱节点嵌入，然后设计一个舍入方案从该公平嵌入中生成 k 个簇，从而在维持公平性的同时达到良好的分区质量。通过对九个基准数据集进行全面实验，我们证明了 FNM 相对于三种基准方法的卓越性能。

    Jul, 2023

  • DeepCut：基于图神经网络聚类的无监督分割

    该研究提出了一种基于图神经网络的图像分割方法，相较于现有方法可以隐式地完成部件语义分割，用于目标定位、分割和语义部件分割任务并在多个基准测试中取得了最先进的表现。

    Dec, 2022

  • 一种新的带最近邻层次初始化的归一化切割求解器

    我们提出了一种新颖的基于坐标下降法的 N-Cut 求解器，通过设计加速策略将时间复杂度从 O (n^3) 减少到 O (|E|)，并提出了一种高效的初始化方法，该求解器在多个基准数据集上取得了更大的 N-Cut 目标值和更好的聚类性能。

    Nov, 2023

  • 中性连接割

    本文提出了一种基于 Neutro-Connectedness Cut (NC-Cut) 的图像交互分割方法，该方法利用基于像素外貌信息和基于区域的 NC 属性来解决 ROI-based 方法对初始 ROI 的敏感性，以及 seed-based 方法中需要密集交互的问题，并在两个图像数据集（265 张图像）上评估并证明了该方法优于 Grabcut，MILCut，One-Cut，MGC_max^sum 和 pPBC 等现有的交互式图像分割方法。

    Dec, 2015

  • NeuroCUT: 面向鲁棒图分割的神经方法

    通过一种新框架，NeuroCut，结合了神经网络和强化学习，并具有对不可微分函数的优化能力，从而在图分区问题中表现出色，并在多种分区目标中展现出较强的泛化能力和拓扑鲁棒性。

    Oct, 2023

  • 弱监督 CNN 分割的归一化割损失

    本研究提出了一种基于 normalized cut 的 loss function 的语义分割方法，相比于传统的弱监督学习方法可以显著提高训练质量。

    Apr, 2018

  • 通过最优输运实现任意尺寸约束的图割

    通过提出一种基于正则化 Gromov-Wasserstein 问题的加速近端梯度下降算法，我们解决了图切割问题，并实现了稀疏解，相较于经典谱聚类算法，额外的复杂度仅为 O (log (n))，但效率更高。

    Feb, 2024

  • 平衡 $k$-Cut 问题的紧凑连续松弛

    本文提出了一种紧密的连续松弛方法用于解决图的平衡 k 切问题，以优化标准的归一化切，通过求解难以优化的比例和问题，进一步优化算法表现，实验比较证明该方法胜过现有的全部方法。

    May, 2015

  • 平衡 k 均值和最小割聚类

    本研究介绍使用独占 Lasso 在 k-means 和 Min-Cut 算法中实现更准确均衡的聚类，并通过在几个大规模数据集上的实验证明其与现有聚类算法相比的优越性。

    Nov, 2014