本文深入探讨了一种用于光流模型的双层优化表述,特别关注正则化参数的学习。研究分析了二次正则化和全变分(TV)正则化,推导了最优参数存在性和性质的条件。利用合成示例来说明这些理论发现,包括不满足条件的情况。 AI
排序理由 该聚类包含一篇关于优化表述理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
本文深入探讨了一种用于光流模型的双层优化表述,特别关注正则化参数的学习。研究分析了二次正则化和全变分(TV)正则化,推导了最优参数存在性和性质的条件。利用合成示例来说明这些理论发现,包括不满足条件的情况。 AI
排序理由 该聚类包含一篇关于优化表述理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2611.08359v1 Announce Type: cross Abstract: This paper analyzes a bilevel formulation for learning the regularization parameter of combined local-global (CLG) optical flow models. The lower-level problem computes the flow from a Lucas--Kanade data term and a quadratic or to…