Dec, 2023

非线性正则化与空间金字塔的量子混合立体匹配

PDF
TL;DR该研究以量子视觉计算为背景，引入了一种使用非线性正则化方法和空间金字塔在量子退火器上解决最大后验推断问题的新方法，形成了一个最小化马尔可夫随机场能量的问题。该方法是混合（即量子 - 经典）的，适用于现代 D-Wave 量子退火器，并结合了二次无约束二进制优化（QUBO）目标函数，在解决组合优化问题时充分利用了量子计算模型的优势。通过在 Middlebury 基准测试上应用不同求解器，我们实现了 2％和 22.5％两种不同精度的根均方准确度改进，刷新了量子立体匹配领域的最新进展。
quantum visual computingstereo matchingnonlinear regularizersquantum annealersmarkov random field
发现论文，激发创造
  • 量子退火用于计算机视觉最小化问题

    这项研究探讨了基于量子退火的推断算法在计算机视觉离散能量最小化问题中的应用，特别关注了立体匹配作为一个重要的计算机视觉标签问题，并使用 D-Wave System 提供的混合量子 - 经典求解器来与文献中最好的经典推断算法进行比较。

    Dec, 2023

  • 带置换矩阵约束的绝热量子图匹配

    本研究探讨了使用量子计算技术解决三维形状图像匹配问题，提出了将二次受限二进制优化问题映射到量子硬件的几种重构方法，重点考虑获得足够的频谱间隙，以提高在单次运行中测量最优解和有效置换矩阵的概率。在量子计算机 D-Wave 2000Q 上进行实验，结果表明本文提出的置换矩阵约束的重新表述，增加了数值计算的稳健性。该算法有望在未来的量子计算架构上扩展到更高维度，为 3D 计算机视觉和图形问题的解决开辟多个新方向。

    Jul, 2021

  • 基于混合量子计算的非线性回归

    该研究论文提出了一种将非线性引入量子机器学习中的方法，使用特征映射将经典数据导入到量子状态中，并基于混合量子计算机进行实现，提出了可实现著名的多项式回归和高斯核岭回归的编码方案，其处理信息效率具有指数级加速并且适用于大规模数据集。

    Aug, 2018

  • 量子置换同步

    介绍了 QuantumSync 这一量子算法，旨在解决计算机视觉领域中的同步问题。特别地，该算法可处理离散变量中的非凸优化问题，并以近似全局最优解作为输出结果。该算法在现有的 D-Wave 量子计算机上实现了样例验证，为解决同步问题提供了可靠的解决方案。

    Jan, 2021

  • 一个用于健壮拟合的混合量子 - 经典算法

    该论文提出了一种使用混合量子经典算法的鲁棒拟合方法，采用一系列整型规划求解并实现全局解或误差界限，该方法可为计算机视觉中的随机启发式算法提供较实用的改进。

    Jan, 2022

  • 比较量子退火与脉冲神经形态计算在二进制稀疏编码 QUBO 问题采样中的应用

    通过应用无监督词典特征学习方法，我们研究了稀疏二进制表示问题，并使用量子退火和 Loihi 2 神经形态处理器求解了该问题。我们的结果表明，量子退火在大多数情况下与模拟退火相似，但模拟退火总能找到最优解，而量子退火不能。Loihi 2 采样得到的解比其他方法更加稀疏，而且 Loihi 2 在性能上优于标准的 D-Wave 量子退火处理器。

    May, 2024

  • CCuantuMM: 多形状循环一致量子混合匹配

    本文介绍了一种利用量子混合方法的三维多形状匹配方法，从而实现循环一致性，并采用现代绝热量子硬件迭代计算，该方法将 N 个形状的情况简化为一系列三形状匹配，实现了线性可扩展性。在基准数据集上，该方法显着优于之前的量子混合两形状匹配方法的多形状匹配扩展，并且与传统的多匹配方法相当。

    Mar, 2023

  • 一种新颖的时空变分量子电路，在 NISQ 设备上实现深度学习

    使用 ST-VQC 设计空间 - 时间深度学习量子电路，在 IBM 量子处理器上实现超过 30％的准确性提升，并在非线性合成数据集上比线性分类器提高 27.9％的性能。

    Jul, 2023

  • 关于点集对应问题的量子计算方法

    研究使用 AQC 求解对应问题及点集对齐问题的新算法，并通过实验评估其解决方案及相应能量值的差异。

    Dec, 2019

  • 量子退火单幅图像超分辨率

    本文提出利用量子计算算法解决单图像超分辨率问题，该算法可以使用量子退火器通过稀疏编码优化问题来实现，其中鉴于量子计算在机器学习问题中的应用和量子并行性质，将实现比经典方法更快的速度并保持可比较的准确率。

    Apr, 2023