論文の概要: Convex Joint Graph Matching and Clustering via Semidefinite Relaxations
- arxiv url: http://arxiv.org/abs/2110.11335v1
- Date: Thu, 21 Oct 2021 17:59:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 17:05:25.738049
- Title: Convex Joint Graph Matching and Clustering via Semidefinite Relaxations
- Title（参考訳）: 半定値緩和による凸ジョイントグラフマッチングとクラスタリング
- Authors: Maximilian Krahn and Florian Bernard and Vladislav Golyanik
- Abstract要約: 本稿では,グラフマッチングとクラスタリングを同時に行う新しいアルゴリズムを提案する。
文献ではじめて、これらの2つの問題は、トレーニングデータに頼らずに、共同で、相乗的に解決される。
複数の3次元要素を持つ実複写シーンに成功例を示す。
- 参考スコア（独自算出の注目度）: 30.845998169391923
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a new algorithm for simultaneous graph matching and
clustering. For the first time in the literature, these two problems are solved
jointly and synergetically without relying on any training data, which brings
advantages for identifying similar arbitrary objects in compound 3D scenes and
matching them. For joint reasoning, we first rephrase graph matching as a rigid
point set registration problem operating on spectral graph embeddings.
Consequently, we utilise efficient convex semidefinite program relaxations for
aligning points in Hilbert spaces and add coupling constraints to model the
mutual dependency and exploit synergies between both tasks. We outperform state
of the art in challenging cases with non-perfectly matching and noisy graphs,
and we show successful applications on real compound scenes with multiple 3D
elements. Our source code and data are publicly available.
- Abstract（参考訳）: 本稿では,グラフマッチングとクラスタリングを同時に行う新しいアルゴリズムを提案する。
文献の中で初めて、これらの2つの問題は、トレーニングデータに頼ることなく、共同かつ相乗的に解決され、複合3dシーンにおける類似の任意のオブジェクトの識別とマッチングの利点をもたらす。
共同推論のために,まずスペクトルグラフ埋め込みに基づく厳密な点集合登録問題としてグラフマッチングを再現する。
その結果、ヒルベルト空間内の点の整合化に効率的な凸半定値プログラム緩和を利用し、相互依存をモデル化するための結合制約を加え、両方のタスク間の相乗効果を利用する。
我々は,非完全マッチングおよびノイズグラフを用いた難解ケースにおいて,複数の3次元要素を持つ実複合シーンにおける成功例を示す。
ソースコードとデータは公開されています。
関連論文リスト
- Tensor-based Graph Learning with Consistency and Specificity for Multi-view Clustering [20.925436328405574]
一貫性と特異性を同時に検討する新しい多視点グラフ学習フレームワークを提案する。
我々は、ノイズフリーグラフ融合のための新しいテンソルベースのターゲットグラフ学習パラダイムを定式化する。
6つのデータセットの実験により,本手法の優位性を実証した。
論文 参考訳（メタデータ） (2024-03-27T09:30:50Z) - M3C: A Framework towards Convergent, Flexible, and Unsupervised Learning
of Mixture Graph Matching and Clustering [57.947071423091415]
本稿では,理論収束を保証する学習自由度アルゴリズムであるM3Cを提案する。
我々は、新しいエッジワイド親和性学習と擬似ラベル選択を組み込んだ教師なしモデルUM3Cを開発した。
提案手法は,最先端のグラフマッチングと混合グラフマッチングとクラスタリングの手法を精度と効率の両面で優れている。
論文 参考訳（メタデータ） (2023-10-27T19:40:34Z) - Co-attention Graph Pooling for Efficient Pairwise Graph Interaction
Learning [19.58671020943416]
グラフニューラルネットワーク(GNN)は、グラフ構造化データからの処理と学習に有効であることが証明されている。
グラフプーリングにおけるコアテンションを用いた相互作用表現抽出のための,新しい,効率的なグラフレベルアプローチを提案する。
筆者らの手法であるCAGPool(Co-Attention Graph Pooling)は,従来の手法と比較して,分類処理と回帰処理の両面での競合性能を示す。
論文 参考訳（メタデータ） (2023-07-28T07:53:34Z) - Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。
提案手法は,複数のMOTデータセット上での最先端性能を実現する。
画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
論文 参考訳（メタデータ） (2023-03-27T17:39:00Z) - G-MSM: Unsupervised Multi-Shape Matching with Graph-based Affinity
Priors [52.646396621449]
G-MSMは、非剛体形状対応のための新しい教師なし学習手法である。
学習形態の集合に親和性グラフを自己教師型で構築する。
近年の形状対応ベンチマークで最先端の性能を示す。
論文 参考訳（メタデータ） (2022-12-06T12:09:24Z) - Universe Points Representation Learning for Partial Multi-Graph Matching [17.46692880231195]
マルチグラフサイクルの整合性を保証するため,より一般的な部分マッチング問題について検討する。
本稿では,一様対一の定式化を用いて,抽象宇宙点の潜在表現を学習する部分多重グラフマッチングのための新しいデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2022-12-01T18:58:26Z) - Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。
時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-11T16:15:25Z) - Deep Probabilistic Graph Matching [72.6690550634166]
本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。
提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
論文 参考訳（メタデータ） (2022-01-05T13:37:27Z) - Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。
提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。
すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文 参考訳（メタデータ） (2021-09-01T08:24:02Z) - Graph matching between bipartite and unipartite networks: to collapse,
or not to collapse, that is the question [13.625395368083641]
一致するグラフの1つが二部ネットワークであり、一方が一部ネットワークであるような共通的な設定に対処する。
本稿では,二部グラフと一部グラフのグラフマッチング問題を,非方向のグラフィカルモデルを用いて定式化する。
両部ネットワークを単部ネットワークに変換するという単純なアプローチよりも,我々の手法がより正確なマッチングを実現する方法を示す。
論文 参考訳（メタデータ） (2020-02-05T05:24:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。