- 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 - 可扩展的无监督通用度量和非度量结构对齐
通过学习相关可扩展的线性分配问题,我们提出了一种对数据进行对齐的方法,该方法在单细胞多组学和神经潜伏空间的数据集上取得了最先进的性能,并且在概念上和计算上非常简单。
- ICML学习解决方案感知的变压器以高效解决二次分配问题
利用机器学习的能力,针对组合优化中的 Quadratic Assignment Problem (QAP) 提出了第一种针对 QAP 的学习优化方案,该方案使用 Solutions AWare Transformer (SAWT) 架构来有 - 通过两阶段图指针网络和强化学习解决 QAP 问题
本文提出了一种基于深度强化学习模型的两阶段图指示器网络(GPN)来解决二次分配问题(QAP),实验结果表明它可以为 TSPLib 和 QAPLIB 的基准问题提供半最优解。
- 极具挑战的平方分配问题的研究:QAP-SAT 实例
本研究探讨了 Quadratic Assignment Problem 的相变现象,通过引入新的基于子模块性的 QAP-SAT 设计来捕捉问题的复杂度,并使用分支界限和禁忌搜索求解器对其进行实验研究,在此基础上提出了相变参数,发现禁忌搜索的 - 通过凸松弛求解图匹配问题
本文介绍了一种应对图匹配问题的新型凸松弛算法,通过闭合迭代的镜像下降方案,实现了在相关高斯维格纳模型下对应的唯一解高概率收敛,进一步确立了输入矩阵的新充要条件,并将其应用于噪声下的地面实况恢复中。
- 利用深度强化学习解决二次分配问题
通过深度强化学习的方法解决 Quadratic Assignment Problem(QAP)的 Koopmans-Beckman 公式,使用双指针网络(double pointer network)在选择下一个设施放置位置和上一个位置放置 - 在低维欧几里得空间全局解决点云的 Gromov-Wasserstein 问题
提出了一种计算低维空间中两组点之间 Gromov-Wasserstein 问题的框架,通过将 Quadratic Assignment Problem (QAP) 重新表述为低维域的优化问题来解决计算复杂度的挑战。该方法适用于具有成千上万个 - ICCV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。
- 不平衡 Gromov Wasserstein 距离:锥形式和松弛
提出了两种不平衡的 Gromov-Wasserstein 公式:一种是基于松弛质量守恒约束的正定差异,另一种是基于锥形提升的等距测距,它们都允许比较拥有正定度量的任意正度量的测度空间 (isometries)。
- ECCV基于单纯复合的图像变形到流形上的点对应
本文介绍了一种针对弯曲(如球形)图像的高级匹配算法,使用简单复合复杂度计算每个 p - 基元的同构,在已知真实匹配的情况下测试一系列数据集并超越现有的方案。
- ICLR不变和等变图神经网络的表现能力
本文提出了一个理论框架,可以比较图神经网络架构的表达能力,证明了实用 GNN 的第一近似保证,FGNN 被证明是最具表现力的架构之一,在 Quadratic Assignment Problem 中的应用表明 FGNN 能够比现有的基于谱、 - CVPRMINA: 非刚性形状对齐的凸混合整数规划
我们提出了一个凸混合整数规划的框架,使用一种基于低维离散模型的新型形状变形模型完成非刚性形状匹配,并在实验中证明优于现有方法,同时具有良好的性质。
- 神经图匹配网络:学习 Lawler 的二次分配问题,并扩展到超图和多图匹配
本篇论文提出了一种利用权值矩阵进行学习的网络来解决 Quadratic Assignment Problem (QAP) 及图匹配的问题,该模型利用嵌入网络对顶点进行分类,并通过 Sinkhorn 归一化和交叉熵损失进行端到端的学习。实验结 - ICML使用随机团复合体求解部分赋值问题
该论文提出了一个将部分任务问题作为匹配随机团复合体的替代公式,这些复合体是随机图的高阶模拟物,旨在提供一组不变量以更好地检测高阶结构。
- 图匹配的函数表示
本研究提出一种新的基于功能表征的图匹配方法,能够降低相关算法的时间和空间复杂度,并且具有比现有方法更准确的匹配性能。
- 通过核匹配实现高效的可变形形状对应
本文提出了一种通过描述符匹配、连续性限制和 DC 编程来解决三维形状匹配问题的方法,该方法可以在处理非等距变形、拓扑变化和不完整数据的情况下,有效地收敛到一种有意义的连续匹配方案,具有较好的可扩展性。
- Lifted Assignment 问题的 Sinkhorn 算法
本论文提出了将 Sinkhorn 算法用于解决 QAP 的 JA 松弛的一般化算法,该算法基于 Bregman 投影算法,并构建了一种高维的局部单侧版本用于 Bregman 投影,从而比标准方法更稳定和精确地解决了原始线性规划问题。
- 半定规划方法求解稀疏图的二次分配问题
本研究提出了一种新的半定规划 (SDP) 方法来解决二部图的匹配问题,采用正半定矩阵进行松弛,并通过聚类来加强松弛,使得计算复杂度和运行时间得到了缩减,可以应用于核磁共振光谱 (NMR) 等领域的匹配问题。
- 图的频谱对齐
本文提出了一种改进的广义图对齐方法,该方法结合了匹配和不匹配两种条件,在不同的图案例中,通过矩阵的谱分解达到了较好的性能表现,尤其在对齐正则图结构方面显著优于现有方法。