Quantum-Hybrid Stereo Matching With Nonlinear Regularization and Spatial Pyramids

要約

量子ビジュアルコンピューティングは急速に進歩しています。
この論文では、マルコフランダム場のエネルギーを最小化する最大事後推論問題として、量子アニーラー上の非線形正則化器と空間ピラミッドを使用したステレオマッチングの新しい定式化を提示します。
私たちのアプローチはハイブリッド (つまり、量子古典的) であり、最新の D-Wave 量子アニーラーと互換性があります。つまり、二次無制約バイナリ最適化 (QUBO) 目標が含まれています。
ステレオ マッチングのためのこれまでの量子アニーリング技術は、線形正則化子の使用に限定されていたため、組み合わせ最適化問題を解決する際の量子コンピューティング パラダイムの基本的な利点を活用できませんでした。
対照的に、非線形正則化により NP 困難な最適化問題が作成されるため、私たちの方法では、ステレオ マッチングに量子アニーリングの可能性を最大限に活用します。
Middlebury ベンチマークでは、異なるソルバーを使用した場合に、量子ステレオ マッチングにおける従来の最先端技術を上回る 2% および 22.5% の改善された二乗平均平方根精度を達成しました。

要約(オリジナル)

Quantum visual computing is advancing rapidly. This paper presents a new formulation for stereo matching with nonlinear regularizers and spatial pyramids on quantum annealers as a maximum a posteriori inference problem that minimizes the energy of a Markov Random Field. Our approach is hybrid (i.e., quantum-classical) and is compatible with modern D-Wave quantum annealers, i.e., it includes a quadratic unconstrained binary optimization (QUBO) objective. Previous quantum annealing techniques for stereo matching are limited to using linear regularizers, and thus, they do not exploit the fundamental advantages of the quantum computing paradigm in solving combinatorial optimization problems. In contrast, our method utilizes the full potential of quantum annealing for stereo matching, as nonlinear regularizers create optimization problems which are NP-hard. On the Middlebury benchmark, we achieve an improved root mean squared accuracy over the previous state of the art in quantum stereo matching of 2% and 22.5% when using different solvers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google