summarized by : Takehiko Ohkawa
Safa Messaoud, Maghav Kumar, Alexander G. Schwing
Semantic segmentation, human pose estimation and action recognitionのタスクで条件付き確率場(CRF)が利用されるが,推論の計算やポテンシャルの設計が困難であった.そこで,強化学習を利用し,CRFによるsemantic segmentationのヒューリスティックの獲得を試みた.
提案手法ではノードやポテンシャルのオーダーの増加に対して柔軟なエネルギー関数を設計した.
Pascal VOCとMOTSデータセットで提案手法を検証した.