量子运动分割
提出了一种针对灰度视频的量子移动目标分割算法,通过使用量子机制同时计算所有相邻帧中所有像素的差异,快速分割出移动目标。同时设计了可行的量子比较器来区分灰度值与阈值,在细节上设计了包括三帧差分、二值化和与操作在内的多个量子电路单元,并将它们组合在一起构建完成的量子电路,用于分割移动目标。对于一个包含 $2^m$ 帧的量子视频(每帧是一个包含 $q$ 个灰度级的 $2^n imes 2^n$ 图像),我们的算法的复杂度可以降低到 O$(n^2 + q)$。与经典算法相比,这是指数级的加速,同时其复杂性也优于现有的量子算法。最后,在 IBM Q 上进行的实验证明了我们的算法在噪声中等规模量子(NISQ)时代的可行性。
Oct, 2023
本研究提出了一种基于量子退火的新型无监督图像分割方法 Q-Seg,该方法针对现有量子硬件进行了优化,并通过将图像的光谱和空间信息与图剪切优化问题相结合的方式来解决像素级分割问题。经过合成数据集的实证评估,Q-Seg 在运行时间性能方面优于经典优化器 Gurobi。此外,我们还对地球观测图像的分割进行了评估,Q-Seg 在洪灾映射检测方面表现出几乎最优的结果,并提供了比现有注释掩模更好的森林覆盖分割。因此,Q-Seg 是一种适用于现有量子硬件的可行选择,特别适用于缺乏标记数据和计算时间的关键情景中。
Nov, 2023
本论文提出了第一个针对使用 AQC 求解的 MOT 公式。通过使用描述在 AQC 上实现的量子力学系统的 Ising 模型,我们证明了该方法即使在使用现成的整数规划求解器时也可以与最先进的基于优化的方法竞争。最后,我们证明了 MOT 问题在当前一代真实量子计算机上可以解决小例子,并分析了测量解的属性。
Feb, 2022
本研究基于第一原理推导出新的似然函数,使用角度和光流大小的新组合来最大化关于物体真实运动的信息,开发了一种运动分割算法,比当前最先进的方法提高了很大的准确率,并在两个已建立的基准测试和一个新的伪装动物数据集上进行了对比。
Apr, 2016
这篇论文介绍了针对运动分割问题不同的定义会导致不同的算法和需求不同的数据集,为了使得算法的意图更加明确,作者提供了一个精确的运动分割定义,并提供了三个新版本的数据集与其兼容,希望这个更为详细的定义和数据集可以使得人们更有意义地比较不同的运动分割方法。
Oct, 2016
该论文提出了一种统一的模型选择技术,通过结合不同的现有模型选择技术,自动推断用于基于谱聚类的运动分割方法的运动组数,并在 KT3DMoSeg 数据集上评估了该方法在给定簇数为基准信息时与基准方法相比所取得的有竞争力的结果。
Mar, 2024
提出了一种基于局部自适应阈值的量子分割算法,该算法利用量子机制为灰度图像中的所有像素同时计算局部阈值,并将图像快速分割为二值图像。设计了几个量子电路单元,包括中值计算、量子二值化等,并通过使用较少的量子比特和量子门设计了一个完整的量子电路来分割 NEQR 图像。对于一个具有 2^n × 2^n 个像素和 q 个灰度级的图像,我们的算法的复杂度可以降低到 O (n^2+q),与经典方法相比具有指数级的加速。最后,在 IBM Q 上进行实验以展示我们的算法在噪声中等比例量子(NISQ)时代的可行性。
Oct, 2023
量子计算可以应用于图像分割的无监督学习任务,本文提出了两种优化算法(Parametric Gate Encoding 和 Adaptive Cost Encoding)来寻找最佳分割掩膜,并且分析了这些方法与量子近似优化算法的可伸缩性,为量子增强计算机视觉的进一步研究提供了基础。
May, 2024