論文の概要: Q-Seg: Quantum Annealing-Based Unsupervised Image Segmentation
- arxiv url: http://arxiv.org/abs/2311.12912v3
- Date: Thu, 5 Sep 2024 01:57:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-07 04:31:07.989944
- Title: Q-Seg: Quantum Annealing-Based Unsupervised Image Segmentation
- Title(参考訳): Q-Seg:量子アニーリングに基づく教師なしイメージセグメンテーション
- Authors: Supreeth Mysore Venkatesh, Antonio Macaluso, Marlon Nuske, Matthias Klusch, Andreas Dengel,
- Abstract要約: 量子アニールに基づく新しい教師なし画像分割法Q-Segを提案する。
画像のスペクトル情報と空間情報を同化する画素分割問題をグラフカット最適化タスクとして定式化する。
合成データセットに関する実証的な評価では、Q-Segは最先端の古典的ソリューションよりも実行時性能が優れていることが示されている。
- 参考スコア(独自算出の注目度): 4.737806718785056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Q-Seg, a novel unsupervised image segmentation method based on quantum annealing, tailored for existing quantum hardware. We formulate the pixel-wise segmentation problem, which assimilates spectral and spatial information of the image, as a graph-cut optimization task. Our method efficiently leverages the interconnected qubit topology of the D-Wave Advantage device, offering superior scalability over existing quantum approaches and outperforming several tested state-of-the-art classical methods. Empirical evaluations on synthetic datasets have shown that Q-Seg has better runtime performance than the state-of-the-art classical optimizer Gurobi. The method has also been tested on earth observation image segmentation, a critical area with noisy and unreliable annotations. In the era of noisy intermediate-scale quantum, Q-Seg emerges as a reliable contender for real-world applications in comparison to advanced techniques like Segment Anything. Consequently, Q-Seg offers a promising solution using available quantum hardware, especially in situations constrained by limited labeled data and the need for efficient computational runtime.
- Abstract(参考訳): 本稿では,量子アニーリングに基づく新しい教師なし画像分割手法であるQ-Segについて述べる。
画像のスペクトル情報と空間情報を同化する画素分割問題をグラフカット最適化タスクとして定式化する。
提案手法はD-Waveアドバンテージ装置の相互接続した量子ビットトポロジを効率的に利用し,既存の量子アプローチよりも優れたスケーラビリティを実現し,テスト済みの古典的手法よりも優れた性能を発揮する。
合成データセットに関する実証的な評価では、Q-Segは最先端の古典最適化アルゴリズムであるGurobiよりも実行時性能が優れていることが示されている。
この手法は、ノイズと信頼できないアノテーションを持つ臨界領域である地球観測画像セグメンテーションでもテストされている。
ノイズの多い中間スケール量子の時代において、Q-SegはSegment Anythingのような高度な技術と比較して、現実世界のアプリケーションに対する信頼性の高い競合として現れる。
その結果、Q-Segは利用可能な量子ハードウェア、特に限られたラベル付きデータと効率的な計算ランタイムの必要性に制約された状況において、有望なソリューションを提供する。
関連論文リスト
- Qubit-efficient Variational Quantum Algorithms for Image Segmentation [4.737806718785056]
量子コンピューティングは、古典的なアルゴリズムの範囲を超えて、様々な計算タスクを変換することが期待されている。
本研究では,教師なし画像分割における変分量子アルゴリズム(VQA)の適用について検討する。
論文 参考訳(メタデータ) (2024-05-23T10:21:57Z) - Regularization of Riemannian optimization: Application to process tomography and quantum machine learning [0.0]
勾配降下アルゴリズムのコスト関数に付加される各種正規化項の影響について検討する。
ラッソ正則化により、量子チャネルの大きなランクに対して罰則を適用する。
本手法を量子プロセストモグラフィーおよび量子機械学習問題に適用する。
論文 参考訳(メタデータ) (2024-04-30T15:56:16Z) - Quantum Kernel t-Distributed Stochastic Neighbor Embedding [0.9002260638342727]
量子カーネルを用いた量子データ可視化手法を提案し,量子状態の高速かつ高精度な可視化を実現する。
数値実験では,手書き桁のデータセットを可視化し,低次元データに$k$-nearest 隣りのアルゴリズムを適用する。
論文 参考訳(メタデータ) (2023-12-01T05:00:02Z) - Towards Transfer Learning for Large-Scale Image Classification Using
Annealing-based Quantum Boltzmann Machines [7.106829260811707]
本稿では,Quantum Annealing (QA) を用いた画像分類手法を提案する。
本稿では,アニール型量子ボルツマンマシンをハイブリッド量子古典パイプラインの一部として用いることを提案する。
提案手法は,テスト精度とAUC-ROC-Scoreの点で,古典的ベースラインを一貫して上回っていることがわかった。
論文 参考訳(メタデータ) (2023-11-27T16:07:49Z) - Hybrid quantum transfer learning for crack image classification on NISQ
hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。
我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文 参考訳(メタデータ) (2023-07-31T14:45:29Z) - Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。
提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
論文 参考訳(メタデータ) (2023-04-18T11:57:15Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳(メタデータ) (2022-11-09T21:43:16Z) - ORQVIZ: Visualizing High-Dimensional Landscapes in Variational Quantum
Algorithms [51.02972483763309]
変分量子アルゴリズム(VQA)は、量子コンピュータの実用的な応用を見つけるための有望な候補である。
この作業には、オープンソースのPythonパッケージである$textitorqviz$のリリースが伴っている。
論文 参考訳(メタデータ) (2021-11-08T18:17:59Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - Ultimate Limits of Thermal Pattern Recognition [0.0]
本研究では,環境ローカライゼーションの課題として,同じ透過率を持つガウス相不感チャネルのアンサンブルとして熱像をモデル化する。
量子強化戦略は、既知の最適古典的戦略に対して有意な量子優位性を与えるために用いられる可能性がある。
論文 参考訳(メタデータ) (2020-10-21T09:33:20Z)
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。