Graph cuts in computer vision とは

コンピュータビジョンの分野で応用されているように、グラフ平滑化は、画像平滑化、ステレオ対応問題、画像セグメンテーション、および他の多くのコンピュータビジョンのような、様々な低レベルのコンピュータ視覚問題(早期視力)を効率的に解決するために使用することができる。エネルギー最小化の観点から定式化できる問題。これらのエネルギー最小化問題の多くは、グラフ内の最大流量問題を解くことによって近似することができます(したがって、最大流量min-cut定理によって、グラフの最小カットを定義します)。コンピュータビジョンにおけるこのような問題のほとんどの公式の下では、最小エネルギー解は解の最大事後推定に対応する。多くのコンピュータビジョンアルゴリズムはグラフをカットすることを含むが(正規化されたカットなど)、「グラフカット」という用語は、最大流量/最小カット最適化を採用するモデルに特に適用される(他のグラフカットアルゴリズムはグラフ分割アルゴリズム)。
「バイナリ」問題(バイナリイメージのノイズ除去など)は、このアプローチを使用して正確に解決できます。ピクセルが2つ以上の異なるラベル(ステレオ対応やグレースケール画像のノイズ除去など)でラベル付けできる問題は正確には解決できませんが、生成されるソリューションは通常大域最適に近くなります。