Exploring Visual Saliency for Image Segmentation and Object Detection

課程：論文研討(二)
日期：2013/04/26
時間：13:50 ~ 15:30
學生：資傳研一 簡綺葳
演講者：中央研究院  劉庭祿研究員

 心得報告：

Graph Cuts 不等於graph cut(如min cut、normalized cut、RatioCut)， 是最近在計算機視覺中研究和應用比較多的energy minimization（能量函數最小化）優化算法，典型的用於stereo matching, image restortion, texture synthesis等應用。

這個優化算法用來解markov Random Field. 有實驗<Comparison of Graph Cuts with Belief Propagation for Stereo, using Identical MRF Parameters>顯示，Graph Cuts比用Belief Propagation更好，比用dynamic programming(只用1D求解), gradient decedent, simulated annealing, etc 要好得更多；特別是使用ab-swap, 和a-expansion的時候。

<Fast Approximate Energy Minimization via Graph Cuts> (Boykov, Veksler and Zabih, PAMI '01)，這篇paper是graph cuts的開山之作，系統介紹瞭如何構造graph和energy term來解stereo disparity, motion等問題，也比較直觀的介紹了a-expansion。

<GRAPH BASED ALGORITHMS FOR SCENE RECONSTRUCTION FROM TWO OR MORE VIEWS> (Kolmogorov's PhD thesis 04), 這篇論文是Kolmogorov的博士論文，實現了Graph CUT用於立體視覺的匹配，它改善了傳統GRAPH CUT計算耗時的缺點，他還因此稱為微軟一員，專門從事GRAPH CUT在圖像處理上的應用。

<What energy functions can be minimized via graph cuts> (Kolmogorov PAMI '04). 本文首先介紹了需要通過graph cut最小化的能量函數的特性。雖然是二進制變量但是很容易推廣到其他方面。詳細描述了通過graphcut最小化的能量函數。並提供了最小化能量函數的通用構建。最後給出了最小化二進制能量函數的必要條件。