論文の概要: A Quantum Optimization Method for Geometric Constrained Image
Segmentation
- arxiv url: http://arxiv.org/abs/2310.20154v2
- Date: Mon, 6 Nov 2023 21:16:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 22:09:04.319288
- Title: A Quantum Optimization Method for Geometric Constrained Image
Segmentation
- Title（参考訳）: 幾何学的制約画像分割のための量子最適化法
- Authors: Nam H. Le, Milan Sonka, Fatima Toor
- Abstract要約: 量子画像処理は、量子コンピューティングと画像処理コミュニティの両方から注目を集めている分野である。
問題指向グラフの最適表面分割とハイブリッド量子古典最適化のためのグラフ理論アプローチを組み合わせた新しい手法を提案する。
本研究は, 医用画像解析における重要な応用である, 画像分割問題における量子プロセッサの利用について検討する。
- 参考スコア（独自算出の注目度）: 1.190902280324485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum image processing is a growing field attracting attention from both
the quantum computing and image processing communities. We propose a novel
method in combining a graph-theoretic approach for optimal surface segmentation
and hybrid quantum-classical optimization of the problem-directed graph. The
surface segmentation is modeled classically as a graph partitioning problem in
which a smoothness constraint is imposed to control surface variation for
realistic segmentation. Specifically, segmentation refers to a source set
identified by a minimum s-t cut that divides graph nodes into the source (s)
and sink (t) sets. The resulting surface consists of graph nodes located on the
boundary between the source and the sink. Characteristics of the
problem-specific graph, including its directed edges, connectivity, and edge
capacities, are embedded in a quadratic objective function whose minimum value
corresponds to the ground state energy of an equivalent Ising Hamiltonian. This
work explores the use of quantum processors in image segmentation problems,
which has important applications in medical image analysis. Here, we present a
theoretical basis for the quantum implementation of LOGISMOS and the results of
a simulation study on simple images. Quantum Approximate Optimization Algorithm
(QAOA) approach was utilized to conduct two simulation studies whose objective
was to determine the ground state energies and identify bitstring solutions
that encode the optimal segmentation of objective functions. The objective
function encodes tasks associated with surface segmentation in 2-D and 3-D
images while incorporating a smoothness constraint. In this work, we
demonstrate that the proposed approach can solve the geometric-constrained
surface segmentation problem optimally with the capability of locating multiple
minimum points corresponding to the globally minimal solution.
- Abstract（参考訳）: 量子画像処理は、量子コンピューティングと画像処理コミュニティの両方から注目を集めている分野である。
問題指向グラフの最適表面分割とハイブリッド量子古典最適化のためのグラフ理論アプローチを組み合わせた新しい手法を提案する。
表面セグメンテーションは、現実的セグメンテーションの表面変動を制御するために滑らかさ制約を課すグラフ分割問題として古典的にモデル化される。
具体的には、セグメンテーションは、グラフノードをソースに分割する最小のs-tカットによって識別されるソースセットを指す。
sink (複数形 sinks)
(t) セット。
結果として得られる表面は、ソースとシンクの境界に位置するグラフノードから構成される。
有向エッジ、接続性、エッジ容量を含む問題特異的グラフの特徴は、等価イジングハミルトニアンの基底状態エネルギーに対応する最小値を持つ二次目的関数に埋め込まれている。
本研究は、医用画像解析において重要な応用を有する画像分割問題における量子プロセッサの利用を探求する。
本稿では,LOGISMOSの量子実装に関する理論的基礎と,簡単な画像に対するシミュレーション研究の結果について述べる。
量子近似最適化アルゴリズム (qaoa) を用いて, 対象関数の最適セグメンテーションを符号化するビットストリング解の同定と基底状態エネルギーの決定を目的とした2つのシミュレーション研究を行った。
目的関数は2次元および3次元画像の表面セグメンテーションに関連するタスクをスムーズな制約を組み込んで符号化する。
そこで本研究では, 幾何拘束面分割問題に対して, 最小解に対応する複数の極小点を最適に求めることにより, 提案手法が解決できることを実証する。
関連論文リスト
- Qudit inspired optimization for graph coloring [0.0]
グラフ色問題(GCP)のための量子インスパイアされたアルゴリズムを提案する。
我々は、グラフ内のノードを表現し、d次元球面座標でパラメータ化した各キューディットを積状態に使用する。
我々は、QdGD(qudit gradient descent)、ランダムな状態におけるクォーディットの開始、コスト関数の最小化のために勾配降下を利用する2つの最適化戦略をベンチマークする。
論文 参考訳（メタデータ） (2024-06-02T16:19:55Z) - Deep Convolutional Neural Networks Meet Variational Shape Compactness Priors for Image Segmentation [7.314877483509877]
形状コンパクト性は、多くの画像分割タスクにおいて興味深い領域を記述するための重要な幾何学的性質である。
そこで本稿では,従来の形状特徴を取り入れた画像分割問題を解くために,新しい2つのアルゴリズムを提案する。
提案アルゴリズムは、ノイズの多い画像データセット上で20%のトレーニングをすることで、IoUを大幅に改善する。
論文 参考訳（メタデータ） (2024-05-23T11:05:35Z) - Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳（メタデータ） (2024-01-31T15:50:50Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - A Sparse Graph Formulation for Efficient Spectral Image Segmentation [0.0]
スペクトルクラスタリングは、セグメンテーション問題を解決する最も伝統的な方法の1つである。
単純なグリッドグラフに余分なノードを含めることで、スパースグラフを定式化します。
元の正規化カットアルゴリズムをこのグラフに適用すると、スペクトル画像セグメンテーションの単純でスケーラブルな方法が導かれる。
論文 参考訳（メタデータ） (2023-06-22T19:06:27Z) - Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and
Optimal Algorithms [64.10576998630981]
最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。
ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。
本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
論文 参考訳（メタデータ） (2023-06-21T17:03:22Z) - Synthetic Aperture Radar Image Segmentation with Quantum Annealing [0.0]
画像処理において、画像セグメント化(英: image segmentation)とは、デジタル画像を複数の画像セグメントに分割する過程である。
現在、MDFとしてモデル化された画像の最適部分集合を見つけることはNPハードであるようである。
本稿では,セグメントの最適集合を得るために,量子アニール型古典最適化期待最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-29T08:34:30Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳（メタデータ） (2021-03-04T15:34:43Z) - Cogradient Descent for Bilinear Optimization [124.45816011848096]
双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。
一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。
本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
論文 参考訳（メタデータ） (2020-06-16T13:41:54Z) - Unsupervised Community Detection with a Potts Model Hamiltonian, an
Efficient Algorithmic Solution, and Applications in Digital Pathology [1.6506888719932784]
本稿では,各色特徴に基づく入力画像画素の高速な統計的ダウンサンプリングと,セグメント関係を考慮したポッツモデルエネルギーの最小化手法を提案する。
特に腎疾患における腎糸球体微小環境のセグメンテーションにおいて,医用顕微鏡画像のセグメンテーションに本法の応用を実証した。
論文 参考訳（メタデータ） (2020-02-05T01:20:28Z)
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。