A Comparative Study of Graph Matching Algorithms in Computer Vision

要約

グラフ マッチング最適化問題は、2 つの変形可能なオブジェクトを対応させるなど、コンピューター ビジョンの多くのタスクに不可欠な要素です。
当然のことながら、過去数十年で幅広い適用可能なアルゴリズムが提案されてきました。
共通の標準ベンチマークが開発されていないため、さまざまな問題のインスタンスや基準で評価すると結果が比類のないものになるため、パフォーマンスの主張を検証するのが難しいことがよくあります。
これらの欠点に対処するために、グラフ マッチング アルゴリズムの比較研究を提示します。
私たちは、既存の公開されているコンピュータ ビジョン グラフ マッチング問題の大規模なセットを一般的な形式で収集して分類する、統一されたベンチマークを作成します。
同時に、グラフ マッチング アルゴリズムの最も一般的なオープン ソース実装を収集して分類します。
それらのパフォーマンスは、最適化アルゴリズムを比較するためのベスト プラクティスに沿った方法で評価されます。
この研究は、将来的に貴重なリソースとして役立つように、再現可能で拡張可能になるように設計されています。
私たちの研究は 3 つの注目すべき洞察を提供します。
2.) 最も一般的なベースライン手法は、利用可能な最良の手法よりもはるかに劣っています。
3.) 問題の NP 困難性にもかかわらず、ビジョン アプリケーションからのインスタンスは、500 を超える頂点を持つグラフであっても、多くの場合数秒で解決できます。

要約(オリジナル)

The graph matching optimization problem is an essential component for many tasks in computer vision, such as bringing two deformable objects in correspondence. Naturally, a wide range of applicable algorithms have been proposed in the last decades. Since a common standard benchmark has not been developed, their performance claims are often hard to verify as evaluation on differing problem instances and criteria make the results incomparable. To address these shortcomings, we present a comparative study of graph matching algorithms. We create a uniform benchmark where we collect and categorize a large set of existing and publicly available computer vision graph matching problems in a common format. At the same time we collect and categorize the most popular open-source implementations of graph matching algorithms. Their performance is evaluated in a way that is in line with the best practices for comparing optimization algorithms. The study is designed to be reproducible and extensible to serve as a valuable resource in the future. Our study provides three notable insights: 1.) popular problem instances are exactly solvable in substantially less than 1 second and, therefore, are insufficient for future empirical evaluations; 2.) the most popular baseline methods are highly inferior to the best available methods; 3.) despite the NP-hardness of the problem, instances coming from vision applications are often solvable in a few seconds even for graphs with more than 500 vertices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google