[论文解读] Tightening MRF Relaxations with Planar Subproblems

Julian Yarkony, Ragib Morshed+2 more|arXiv (Cornell University)|Feb 14, 2012

Matrix Theory and Algorithms参考文献 11被引用 5

一句话总结

该论文提出了一种新方法，通过在对偶分解中结合次梯度优化来强制执行环路一致性，从而收紧平面马尔可夫随机场（MRF）最小能量配置的下界。通过迭代添加源自平面子问题的约束，该方法在硬势函数上的收敛速度更快，性能优于现有方法。

ABSTRACT

We describe a new technique for computing lower-bounds on the minimum energy configuration of a planar Markov Random Field (MRF). Our method successively adds large numbers of constraints and enforces consistency over binary projections of the original problem state space. These constraints are represented in terms of subproblems in a dual-decomposition framework that is optimized using subgradient techniques. The complete set of constraints we consider enforces cycle consistency over the original graph. In practice we find that the method converges quickly on most problems with the addition of a few subproblems and outperforms existing methods for some interesting classes of hard potentials.

研究动机与目标

• 改进平面MRF最小能量配置的下界。
• 解决MRF优化中弱松弛问题，特别是针对硬势函数的挑战。
• 开发一种可扩展且高效的算法，利用平面结构来收紧松弛。
• 实现比现有基于对偶分解的方法更快的收敛速度和更优的下界。

提出的方法

• 该方法使用对偶分解将MRF分解为平面子问题。
• 通过添加源自子问题解的约束，在原始图上强制执行环路一致性。
• 使用次梯度优化框架迭代添加约束，以收紧松弛。
• 该方法将完整状态空间投影到二值子问题上，以保持计算可行性。
• 该算法利用图的平面性来识别并利用结构特性，以高效生成约束。
• 它结合次梯度方法与对偶上升策略来优化对偶问题。

实验结果

研究问题

• RQ1 环路一致性约束是否能显著改善MRF松弛中的下界？
• RQ2 平面子问题的整合如何提升MRF松弛的质量？
• RQ3 所提出的方法是否比现有对偶分解技术收敛更快且获得更紧的下界？
• RQ4 该方法能否有效处理标准MRF求解器难以应对的硬势函数？

主要发现

• 在大多数测试问题上，仅需添加少量子问题即可实现更快的收敛速度。
• 在多个类别的硬势函数上，其下界质量优于现有方法。
• 添加环路一致性约束后，松弛下界比标准对偶分解更紧。
• 通过利用平面结构和二值投影，该方法保持了计算效率。