GDR Mathématiques des Systèmes Perceptifs et Cognitifs
Optimisation Discrète, Graph Cuts et Analyse d'Images
Le 29 Novembre 2005 de 9H à 18H –Salle Dussane, ENS Ulm comment s'y rendre
Organisateurs : Renaud KERIVEN et Laurent COHEN
FORMULAIRE D'INSCRIPTION ------------ LISTE DES INSCRITS
Programme de la journée
09h15 |
Accueil – Petit Dejeuner |
09h45 |
Renaud Keriven, ENS/ENPC, Tutorial Coupes minimales: introduction et applications en vision et traitement d'images |
11h00 |
Vladimir Kolmogorov, University College London, Algorithms for MAP estimation in Markov Random Fields. |
12h15 |
Pause Déjeuner |
14h |
Hugues Talbot, ESIEE, GOGAC (Globally Optimal Geodesic Active Contour) et surface minimales |
15h00 |
Olivier Juan, ENPC, ActiveCuts, un algorithme de GraphCut adapté à la Vision |
15h45 |
Pause café |
16h00 |
Jerome Darbon et Marc Sigelle, ENST, Restauration d'image par optimisation exacte de Champs de Markov : Les cas de la variation totale, des énergies nivellées et convexes. |
16h45 |
Vladimir Kolmogorov, University College London, Primal-dual Algorithm for Convex Markov Random Fields |
17h30 |
Clôture |
Résumés
Tutorial Coupes minimales: introduction et applications en vision et traitement d'images Transparents Renaud Keriven, ENS/ENPC, Dans cet exposé introductif, nous verrons comment, sous le vocable de « graph-cuts », le problème des coupes minimales dans les graphes a été adopté par les communautés du traitement d'images et de la vision par ordinateur comme une méthode importante d'optimisation. Au travers d'exemples, nous réaliserons à quel point elle a été largement déclinée et en profiterons pour essayer de dresser un premier bilan de ses avantages et de ses inconvénients.
Algorithms for MAP estimation in Markov Random Fields
Transparents
Vladimir Kolmogorov
University College London,
Résumé
I will review two techniques: (1) maxflow algorithm (a.k.a. graph
cuts) for minimizing
submodular energy functions of binary
variables, and (2) tree-reweighted message passing algorithm
for
approximate minimization of arbitrary MRF energy functions. I will
show that these techniques
have a lot in common: they both try to
maximize a lower bound on the energy function.
Primal-dual Algorithm for Convex Markov Random Fields
Transparents
Vladimir Kolmogorov
University College London,
Résumé
I will present a fast maxflow-based algorithm for miminimizing a
subclass of MRF energy functions,
namely functions whose unary
and pairwise terms are convex.
For the panoramic image stitching
problem the method outperforms other techniques. The paper is
available at
http://research.microsoft.com/research/pubs/view.aspx?type=Technical%20Report&id=971
Surfaces minimales en pratiques
Transparents
Hugues
Talbot & Ben Appleton
Récemment nous avons
proposé un système simple d'EDP qui permettent de
calculer numériquement des surfaces minimales globalement
optimales en dimensions arbitraires, en utilisant une extension
continue des méthodes de flots maximaux/coupures minimales.
Dans cet exposé nous aborderons l'utilisation pratiques de cet
algorithme.
Restauration d'image par optimisation exacte de Champs de Markov :
Les cas de la variation totale, des énergies nivellées et convexes.
Transparents
Jerome Darbon et Marc Sigelle
Ecole Nationale Supérieure des Télécommunications
LTCI CNRS UMR 5141 - Dept. TSI (R. C218)
46 rue Barrault 75634 Paris cedex 13 France
http://tsi.enst.fr/~sigelle/
Nous présentons différentes approches par coupures minimales pour
minimiser exactement des énergies markoviennes. Nous reformulons ces
énergies avec des champs de Markov binaires associés à chaque
ensemble de niveau d'une image. Nous commencons tout d'abord par
traiter les modèles du type "convexe + variation totale". Nous
géneralisons ensuite cette approche aux cas des énergies dites
"nivellées". Une seconde géneralisation, différente de la précédente,
considère le cas ou les termes de regularisation sont
convexes. Enfin, nous présentons un algorithme original et
rapide pour le cas des modèles du type "convexe+convexe".
Tous ces algorithmes calculent des minimiseurs exacts et les complexités
de ces algorithmes sont présentées. Le tout est illustré par des
expériences numériques.
ActiveCuts, un algorithme de GraphCut adapté à la Vision
Olivier Juan
ENPC
Nous présenterons de nouveaux concepts afin d'améliorer l'efficacité des GraphCuts et les rendre plus appropries aux problèmes de visions.
La nouvelle méthode présentée peut ainsi tirer parti d'une bonne initialisation (Coupe initiale) qui est souvent disponible en vision (problèmes dynamiques, hiérarchiques ou a plusieurs labels).
Dans beaucoup de problèmes, notre algorithme est plus rapide que celui de Boykov-Kolmogorov même dans le cas d'une initialisation éloignée du minimum global. Cependant une initialisation proche améliore grandement la vitesse de convergence.
De plus au cours de l'exécution, notre algorithme extrait une succession de coupes intermédiaires (a cout décroissant), qui peuvent être utilisées pour affiner et accélérer des méthodes itératives. Enfin notre algorithme peut être combiné à d’autres méthodes d’accélération de GraphCut.
TITRE Prenom NOM Laboratoire Institut Adresse Résumé
TITRE Prenom NOM Laboratoire Institut Adresse Résumé