Jul, 2022

计算机视觉中图匹配算法的比较研究

HTML
PDF
TL;DR本文通过统一的基准测试分析了计算机视觉图匹配问题的不同算法，提供了有价值的资源，研究表明：1）流行的问题实例可以在不到1秒的时间内得到精确解，因此不适用于未来的经验评估；2）最流行的基线方法远远不如最佳方法；3）尽管该问题是NP难的，但来自视觉应用的实例通常可以在几秒钟内解决，即使对于具有500个以上顶点的图形也是如此。
发现论文，激发创造
  • 图匹配问题的路径跟踪算法

    本文提出了一种凸凹规划方法，用于带标签的加权图匹配问题，并且提出的算法在四个数据集上的表现都优于现有算法。

    Jan, 2008

  • 学习图匹配

    本文研究的是图匹配问题，提出了一种基于学习的方法，用于解决基于图的模式识别问题。通过训练示例和标签，我们可以学习节点与边之间的兼容性，在解决问题时可以取得更好的效果。实验结果表明，该方法比现有算法更为有效。

    Jun, 2008

  • 大规模图匹配的快速投影固定点算法

    本论文提出了一种快速的大型图匹配的近似算法，使用新的投影固定点方法和双向随机投影的方法实现算法，理论上保证收敛速度为线性，并在大型合成和真实图上进行了广泛的实验，与之前的算法相比，在速度和准确性方面都有更好的表现。

    Jul, 2012

  • 一种灵活的张量块协同上升算法用于超图匹配

    本文提出了一种新的超图匹配框架，使用张量块协同升级方法，以排除离群值和其他噪音形式，改善超图匹配的成绩和准确性。

    Apr, 2015

  • 联合图分解和节点标签化：问题、算法、应用

    定义了一个组合优化问题，其可行解定义了给定图形的分解和节点标记，并提出了两种局部搜索算法来高效地找到可行解，应用于计算机视觉任务达到state-of-the-art应用特定精度。

    Nov, 2016

  • 可扩展多匹配的高阶投影幂迭代

    本文介绍了一种 Higher-Order Projected Power Iteration 方法来解决多目标匹配问题，能够在不限制问题规模的情况下处理几何一致性，并保证环一致性，实验结果表明该方法优于现有方法。

    Nov, 2018

  • 离群值图匹配的零赋值约束

    提出一种零分配约束方法（ZAC）用于解决计算机视觉和模式识别中的图匹配问题，特别是在存在大量杂点的情况下，设计了一种高效的抗杂点算法，与现有方法相比在准确性和效率上取得了最佳性能。

    Mar, 2020

  • 图匹配的融合移动

    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

  • 解锁多图匹配的运筹学潜力

    我们研究了不完全多图匹配问题，该问题是配对多个有限集合的NP难问题的推广，多图匹配在计算机视觉中起着关键作用，已经提出了许多专门的优化技术。我们填补了这一差距，并将已知的多维分配问题近似算法转化为不完全多图匹配问题。通过实验证明，我们的新方法在目标和运行时间方面显著优于以前的技术水平。我们的算法能够在两分钟内匹配超过500个关键点的29个图像，而考虑的最快竞争方法至少需要半小时，同时产生了更差的结果。

    Jun, 2024

  • 不匹配：评估图像匹配方法和基准的局限性

    本研究针对三维重建中图像匹配方法的局限性进行了评估，填补了现有技术评估的空白。作者提出了一种结构来自运动的综合评估方法，通过分析各类图像匹配技术的表现，指出了方法和基准的主要缺陷。研究表明，三维重建中的图像匹配问题仍然开放，需谨慎选择和调整模型以适应特定场景。

    Aug, 2024