Probabilistic Correlation Clustering and Image Partitioning Using Perturbed Multicuts
Probabilistic Correlation Clustering and Image Partitioning Using Perturbed Multicuts
复制标题
使用扰动多重分割的概率相关聚类和图像分割
DOI：
10.1007/978-3-319-18461-6_19
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
C. Schnörr
中科院分区：
文献类型：
--
作者：
Kappes;P. Swoboda;B. Savchynskyy;T. Hazan;C. Schnörr
我们利用整数规划和基于微扰的对数配分函数逼近在全局最优MAP推理方面的最新进展。这使得图像分区的不确定性可以通过近似的边缘分布在数学上得到证实的方式在局部表示，并校正局部数据项线索，从而接近轮廓并获得有效的分区。我们的方法适用于任何图形表示的相关聚类问题实例，这通过另一个社交网络示例进行了演示。
We exploit recent progress on globally optimal MAP inference by integer programming and perturbation-based approximations of the log-partition function. This enables to locally represent uncertainty of image partitions by approximate marginal distributions in a mathematically substantiated way, and to rectify local data term cues so as to close contours and to obtain valid partitions. Our approach works for any graphically represented problem instance of correlation clustering, which is demonstrated by an additional social network example.
登录
查看更多内容
扰动和 MAP 随机场：使用离散优化从能量模型中学习和采样
DOI：
10.1109/iccv.2011.6126242
发表时间：
2011
期刊：
2011 International Conference on Computer Vision
影响因子：
--
作者：
G. Papandreou;A. Yuille
通讯作者：
A. Yuille
影响因子：
32.8
作者：
Wainwright, Martin J.;Jordan, Michael I.
通讯作者：
Jordan, Michael I.
DOI：
--
发表时间：
2013
期刊：
International Workshop on Similarity-Based Pattern Recognition
影响因子：
--
作者：
Nicola Rebagliati;S. R. Bulò;M. Pelillo
通讯作者：
M. Pelillo
通过多重切割进行高阶分割
DOI：
10.1016/j.cviu.2015.11.005
发表时间：
2016
期刊：
Comput. Vis. Image Underst.
影响因子：
--
作者：
Kappes;M. Speth;G. Reinelt;C. Schnörr
通讯作者：
C. Schnörr