User: Guest  Login
Original title:
Efficient Lifting Methods for Variational Problems 
Translated title:
Effiziente Liftingverfahren für Variationsprobleme 
Year:
2020 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Cremers, Daniel (Prof. Dr.) 
Referee:
Cremers, Daniel (Prof. Dr.), Goldlücke, Bastian (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
Variational methods, calculus of variations, geometric measure theory, convex optimization, convex relaxation, computer vision, image processing, generative modeling 
Translated keywords:
Variationsrechnung, Geometrische Maßtheorie, Konvexe Optimierung, Konvexe Relaxierungen, Maschinelles Sehen, Maschinelles Lernen 
TUM classification:
DAT 760d; DAT 770d 
Abstract:
Variational methods are a well-established paradigm to solve practical problems in computer vision. Based on a novel sublabel-accurate multilabeling approach, we obtain efficient convex relaxations for nonconvex variational problems. Further, we demonstrate that such relaxations can also be derived by a dual finite-element approximation. We also propose a novel convex formulation for vectorial problems via a lifting to spaces of currents. Finally, we demonstrate that the introduced notions from...    »
 
Translated abstract:
Variationsmethoden sind ein etablierter Ansatz zur Lösung praktischer Probleme im maschinellen Sehen. Basierend auf einem Multilabeling-Verfahren, welches nicht-ganzzahligen Zuständen sinnvolle Kosten zuweist, schlagen wir eine effiziente konvexe Formulierung für nicht-konvexe Variationsprobleme vor. Wir zeigen, dass sich dieser Ansatz auch durch die Approximation eines Dualproblems mittels finiten Elementen herleiten lässt. Schließlich stellen wir eine konvexe Formulierung für vektorwertige Var...    »
 
Oral examination:
11.08.2020 
File size:
33677031 bytes 
Pages:
275 
Last change:
29.09.2020