Optimization of Discrete Markov Random Fields via Dual Decomposition

A new message-passing scheme for MRF optimization is proposed in this paper. This scheme inherits better theoretical properties than all other state-of-the-art message passing methods and in practice performs equally well/outperforms them. It is based on the very powerful technique of Dual Decomposition [1] and leads to an elegant and general framework for understanding/designing message-passing algorithms that can provide new insights into existing techniques. Promising experimental results and comparisons with the state of the art demonstrate the extreme theoretical and practical potentials of our approach. Key-words: Markov Random Fields, Dual Decomposition, Linear Programming, Optimization. ∗ This is a pending submission to the IEEE International Conference on Computer Vision 2007 (ICCV’07). † [email protected], [email protected] Ecole Centrale de Paris, University of Crete ‡ [email protected] Ecole Centrale de Paris § [email protected] University of Crete Optimisation de Champs de Markov via Décomposition Duale Résumé : Dans cet article, nous proposons un nouveau schéma de propagation de messages pour l’optimisation de champs de Markov. Ce schéma hérite de meilleures propriétés théoriques que toute autre méthode de propagation de messages décrite dans l’état de l’art. En pratique, notre schéma a au moins d’aussi bon résultats que ces méthodes, sinon meilleurs. Il est basé sur la technique puissante de la décomposition duale et mène à un cadre élégant et général pour la compréhension et la conception d’algorithmes de propagation de messages qui peuvent fournir de nouvelles perspectives pour les techniques existantes. Les résultats expérimentaux prometteurs et les comparaisons avec l’état de l’art démontrent le potentiel théorique et pratique extrême de notre approche. Mots-clés : Champs de Markov, Décomposition duale, Programmation linéaire, Optimisation. Optimization of Discrete Markov Random Fields via Dual Decomposition 3