DS++：一种灵活、可扩展且可证明紧密放松的匹配问题解决方法。
摘要：用于对应问题的常见可扩展方法是非凸能量的谱松弛和凸能量的双重随机松弛，但是半定规划松弛方法的精度更高，但计算成本也更高。我们提出了一种凸二次规划松弛方法，该方法在可扩展性上与双重随机松弛相同，并被证明比双重随机松弛和谱松弛更强。松弛的推导自然地提出了一种投影方法，用于获取有意义的整数解，该方法优于标准最接近排列投影。我们的方法可以轻松扩展到双重随机矩阵优化、部分匹配或单射匹配以及带有额外线性约束的问题。我们利用线性分配类型问题的最新优化进展，实现了用于求解凸松弛问题的高效算法。通过实验证明，我们的方法对于非凸问题比局部最小化或竞争松弛方法更准确。我们成功地将我们的算法应用于形状匹配和在网格中排序图像的问题中，获得了与现有技术方法相比较有利的结果。我们相信我们的结果表明，我们的方法应被视为排列上的二次优化的首选方法。
作者：Nadav Dym, Haggai Maron and Yaron Lipman
论文ID：1705.06148
分类：Graphics
分类简称：cs.GR
提交时间：2017-05-18