Distributed non-convex ADMM-based inference in large-scale random fields

Distributed non-convex ADMM-based inference in large-scale random fields

We propose a parallel and distributed algorithm for solving discrete labeling problems in large scale random fields. Our approach is motivated by the following observations: i) very large scale image and video processing problems, such as labeling dozens of million pixels with thousands of labels, a...

Mô tả đầy đủ

Chi tiết về thư mục
Những tác giả chính:	Miksik, O, Vineet, V, Pérez, P, Torr, PHS
Định dạng:	Conference item
Ngôn ngữ:	English
Được phát hành:	British Machine Vision Association 2014

Những quyển sách tương tự

Filter-based mean-field inference for random fields with higher-order terms and product label-spaces
Bằng: Vineet, V, et al.
Được phát hành: (2014)

Filter-based mean-field inference for random fields with higher-order terms and product label-spaces
Bằng: Vineet, V, et al.
Được phát hành: (2012)

Improved initialization and Gaussian mixture pairwise terms for dense random fields with mean-field inference
Bằng: Vineet, V, et al.
Được phát hành: (2012)

Dynamic graph cuts for efficient inference in Markov random fields
Bằng: Kohli, P, et al.
Được phát hành: (2007)

Smoothing ADMM for Sparse-Penalized Quantile Regression With Non-Convex Penalties
Bằng: Reza Mirzaeifard, et al.
Được phát hành: (2024-01-01)

Burer-Monteiro ADMM for large-scale SDPs
Bằng: Chen, Y, et al.
Được phát hành: (2023)

A parallel ADMM-based convex clustering method
Bằng: Lidija Fodor, et al.
Được phát hành: (2022-11-01)

Incremental dense multi-modal 3D scene reconstruction
Bằng: Miksik, O, et al.
Được phát hành: (2015)

Plug-and-Play ADMM for MRI Reconstruction With Convex Nonconvex Sparse Regularization
Bằng: Jincheng Li, et al.
Được phát hành: (2021-01-01)

Dynamic Markov random fields
Bằng: Torr, PHS
Được phát hành: (2008)

Improved moves for truncated convex models
Bằng: Kumar, MP, et al.
Được phát hành: (2009)

Efficiently solving convex relaxations for MAP estimation
Bằng: Kumar, MP, et al.
Được phát hành: (2008)

A Customized ADMM Approach for Large-Scale Nonconvex Semidefinite Programming
Bằng: Chuangchuang Sun
Được phát hành: (2023-10-01)

Large Scale Resource Allocation for the Internet of Things Network Based on ADMM
Bằng: Yanhua He, et al.
Được phát hành: (2020-01-01)

Improved moves for truncated convex models
Bằng: Pawan Kumar, M, et al.
Được phát hành: (2011)

On the robustness of semantic segmentation models to adversarial attacks
Bằng: Arnab, A, et al.
Được phát hành: (2019)

Human instance segmentation from video using detector-based conditional random fields
Bằng: Vineet, V, et al.
Được phát hành: (2011)

An analysis of convex relaxations for MAP estimation
Bằng: Kumar, MP, et al.
Được phát hành: (2008)

Analyzing convex relaxations for map estimation
Bằng: Kumar, MP, et al.
Được phát hành: (2011)

Robustification of Continuous-Time ADMM against Communication Delays under Non-Strict Convexity: A Passivity-Based Approach
Bằng: Shunya Yamashita, et al.
Được phát hành: (2020-11-01)

Incremental dense semantic stereo fusion for large-scale semantic scene reconstruction.
Bằng: Vineet, V, et al.
Được phát hành: (2015)

On the global and linear convergence of direct extension of ADMM for 3-block separable convex minimization models
Bằng: Huijie Sun, et al.
Được phát hành: (2016-09-01)

Convergence Rate of Distributed ADMM over Networks
Bằng: Makhdoumi Kakhaki, Ali, et al.
Được phát hành: (2019)

Role of ADMM/ADMM-Plus: preparing ASEAN for an era of conflict
Bằng: Muhammad Faizal Bin Abdul Rahman
Được phát hành: (2024)

An analysis of convex relaxations for MAP estimation of discrete MRFs
Bằng: Pawan Kumar, M, et al.
Được phát hành: (2009)

ADMM-SVNet: An ADMM-Based Sparse-View CT Reconstruction Network
Bằng: Sukai Wang, et al.
Được phát hành: (2022-03-01)

Efficiently solving dynamic Markov random fields using graph cuts
Bằng: Kohli, P, et al.
Được phát hành: (2005)

Efficient piecewise learning for conditional random fields
Bằng: Alahari, K, et al.
Được phát hành: (2010)

Conditional random fields as recurrent neural networks
Bằng: Zheng, S, et al.
Được phát hành: (2016)

PoseField: an efficient mean-field based method for joint estimation of human pose, segmentation, and depth
Bằng: Vineet, V, et al.
Được phát hành: (2013)

Associative hierarchical random fields
Bằng: Ladický, L, et al.
Được phát hành: (2013)

Distributed Computational Framework for Large-Scale Stochastic Convex Optimization
Bằng: Vahab Rostampour, et al.
Được phát hành: (2020-12-01)

A Distributed ADMM Approach to Non-Myopic Path Planning for Multi-Target Tracking
Bằng: Soon-Seo Park, et al.
Được phát hành: (2019-01-01)

Unifying training and inference for panoptic segmentation
Bằng: Li, Q, et al.
Được phát hành: (2020)

EA-ADMM: noisy tensor PARAFAC decomposition based on element-wise average ADMM
Bằng: Gang Yue, et al.
Được phát hành: (2022-10-01)

Distributed design for decentralized control using chordal decomposition and ADMM
Bằng: Zheng, Y, et al.
Được phát hành: (2019)

ADMM-based distributed state estimation for integrated energy system
Bằng: Yaxin Du, et al.
Được phát hành: (2019-06-01)

Living in a dynamic world: semantic segmentation of large scale 3D environments
Bằng: Miksik, O
Được phát hành: (2017)

Dynamic hybrid algorithms for MAP inference in discrete MRFs
Bằng: Alahari, K, et al.
Được phát hành: (2009)

Large-scale distributions of ionospheric horizontal and field-aligned currents inferred from EISCAT
Bằng: D. Fontaine, et al.
Được phát hành: (1996-12-01)