本文提出了一种无需转换法的凸松弛方法,用于解决由排列矩阵表示的二次优化问题,该方法在求解图像排列和多图匹配问题等实例中表现出更好的性能。
Nov, 2017
该论文提出一种凸二次规划松弛方法,旨在解决与排列相关的优化问题,这种方法比谱松弛和双重随机松弛更加强健且具有相同的可扩展性。
May, 2017
本研究考虑权重无向图的精确和非精确匹配问题,通过定义 “friendly graphs” 和发展准确和近似解的确切条件和界限,以及优化找到最优近似同构的能力的凸松弛技术进行解决。
Jan, 2014
基于平方和范数的 $k$-means 聚类的凸松弛算法及其学习算法,能够学习高斯混合物的均值。
本文提出了一种通过凸松弛来拟合和分割多结构数据的方法,并演示了该方法在从图像中估算平面提取与单应性估计等问题上的高精度表现。
Jun, 2017
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
通过使用对象到宇宙的表述和学习抽象宇宙点的潜在表示,在多图循环一致性保证的情况下,基于图上深度学习的最新进展,提出了一种新的数据驱动方法用于部分多图匹配。该方法在 Pascal VOC、CUB 和 Willow 数据库上得到了验证,并在用合成图匹配数据集进行的受控实验集上证明了我们的方法对具有大量节点的图的可伸缩性和对高度偏差的鲁棒性。
Dec, 2022
使用 max-norm 作为凸代理约束用于聚类,实现更好的准确聚类恢复保证,比之前建议的核范数松弛方法更为有效,同时研究了与其相关的凸松弛方法与其他聚类方法的比较。
Feb, 2012
本文证明了对于某类图形,图匹配问题及其最常见的凸松弛问题是等价的,基于相应邻接矩阵的谱特性。此外,本文还推导了图的自同构群的结果,并提供了邻接矩阵的基本谱特性。
Sep, 2014
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