Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

稀缺的非本地CRF与应用程序

Olga Veksler, Yuri Boykov

    IEEE transactions on pattern analysis and machine intelligence
    |October 3, 2024
    PubMed
    概括
    此摘要是机器生成的。

    我们介绍了一种新的稀疏非局部有条件随机场 (CRF) 模型. 这种高效的方法提高了计算机视觉任务的空间连贯性,在一般性和计算性能之间提供了平衡.

    相关实验视频

    相关概念视频

    您也可能阅读

    相关文章

    通过共同作者、期刊和引用图与本文相关的文章。

    排序
    Same author

    Regularized Loss With Hyperparameter Estimation for Weakly Supervised Single Class Segmentation.

    IEEE transactions on pattern analysis and machine intelligence·2024
    Same author

    Image Segmentation Using Deep Learning: A Survey.

    IEEE transactions on pattern analysis and machine intelligence·2021
    Same author

    Efficient Graph Cut Optimization for Full CRFs with Quantized Edges.

    IEEE transactions on pattern analysis and machine intelligence·2019
    Same author

    Constrained-CNN losses for weakly supervised segmentation.

    Medical image analysis·2019
    Same author

    Kernel Clustering: Density Biases and Solutions.

    IEEE transactions on pattern analysis and machine intelligence·2018
    Same author

    Convexity Shape Prior for Binary Segmentation.

    IEEE transactions on pattern analysis and machine intelligence·2017
    Same journal

    HardFlow: Hard-Constrained Sampling for Flow-Matching Models Via Trajectory Optimization.

    IEEE transactions on pattern analysis and machine intelligence·2026
    Same journal

    Industrial Brain: Self-Evolving Neuro-Symbolic Autonomy with Causal Resilience for Cyber-Physical Systems.

    IEEE transactions on pattern analysis and machine intelligence·2026
    Same journal

    Adaptive Hardness-Driven Dictionary Distillation for Incomplete Streaming View Clustering.

    IEEE transactions on pattern analysis and machine intelligence·2026
    Same journal

    Mixture of Global and Local Experts with Diffusion Transformer for Controllable Face Generation.

    IEEE transactions on pattern analysis and machine intelligence·2026
    Same journal

    Task-KV: Task-aware KV Cache Optimization via Semantic Differentiation of Attention Heads.

    IEEE transactions on pattern analysis and machine intelligence·2026
    Same journal

    Achieving Text-based Person Retrieval with Any Granularity.

    IEEE transactions on pattern analysis and machine intelligence·2026
    查看所有相关文章

    科学领域:

    • 计算机视觉 计算机视觉
    • 机器学习 机器学习
    • 图像处理 图像处理

    背景情况:

    • 条件随机场 (CRF) 对于计算机视觉中的空间连贯性建模至关重要.
    • 在这个领域常见的对式CRF包括稀疏和密集的变体.
    • 密集的CRF提供了通用性,但受到计算效率低下的影响,限制了它们的实际使用.

    研究的目的:

    • 提出一种新的双向CRF模型,将密集CRF的普遍性与稀疏CRF的效率相结合.
    • 引入稀疏的非局部CRF,一个高效的模型,具有不受限制的边缘重量.
    • 证明模型在经典和深度学习计算机视觉应用中的有效性.

    主要方法:

    • 开发了一种新的稀疏非局部有条件随机场 (CRF) 模型.
    • 确保了计算效率的线性连接数,类似于稀疏的CRF.
    • 纳入非本地连接以增强模型通用性,类似于密集的CRF.

    主要成果:

    • 拟议的稀疏非局部CRF表现出与高斯密度CRF可比的特性.
    • 由于其线性连接的复杂性,该模型实现了效率.
    • 不受限制的边缘重量在建模中提供了更大的灵活性.

    结论:

    • 稀少的非局部CRF为计算机视觉中的空间连贯性建模提供了高效和通用的解决方案.
    • 该模型对于使用二进制和多类标签的经典和深度学习任务都有效.
    • 这种方法为现有的CRF模型提供了切实可行的替代方案,平衡性能和计算成本.