研究人员开发了ReMAP，一种用于可扩展马尔可夫随机场（MRF）推理的新框架。该方法利用图神经网络优化MRF能量的可微松弛，从而在连续空间中进行基于梯度的优化，以找到低能量的离散解。ReMAP支持任意阶因子和异构标签基数，其性能优于现有的近似方法，并且在具有挑战性的大规模实例上常常超越Toulbar2等精确求解器。 AI
影响 引入了一种在复杂图模型中进行可扩展推理的新方法，有可能提高计算机视觉和机器学习等领域的性能。
排序理由 这是一篇研究论文，详细介绍了一种用于马尔可夫随机场推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
