弱标注图像数据集通过密集对应关系的联合推理
1. 引言
自然图像包含许多重复模式，如角点、边界和纹理，以及重复的部分、物体和场景。这些重复不仅出现在图像内部，还存在于不同图像之间。例如，使用文本短语查询图像搜索引擎时，我们通常会得到许多包含感兴趣对象或场景的视觉相似图像。
计算机视觉中有两种主要方法来建模这些重复模式：
-参数化方法：明确学习视觉模式及其变化的字典。这种参数化模型已成功用于纹理合成、图像去噪和对象识别。
-非参数化方法：尝试为模式构建图，使每个模式与其相似模式（即“邻居”）相连。信息可以方便地从最近邻居传播或转移到查询模式，而无需明确建模模式。这种方法已广泛用于超分辨率、纹理合成和图像理解，并且尽管相对简单，但通常比基于参数模型的方法表现更好。
最近用于在不同场景图像之间建立密集对应关系的技术，如SIFT流和PatchMatch，促进了非参数信息传输系统的设计和实现，其中信息可以是标签、运动、深度和像素颜色。信息传输的思想是，对于查询图像x，系统首先在图像数据集中找到一组与x视觉相似的图像xi，每个xi都与一些已知信息yi相关联。在x和每个xi之间建立密集对应关系后，每个yi根据计算的对应关系被扭曲到x，通常通过整合多个扭曲的yi来获得x的y估计。
然而，信息传输方法的主要缺点是它们依赖于大量训练图像的规律性，而这些图像中要传输的信息（如深度、运动、3D）是“干净”且已知的。在大型现代图像数据集中，这些信息获取成本高，且通常有噪声或不可用。此外，在对多个新图像进行分类时，这些方法通常独立处理每个新图像，由于视觉歧义，这往往导致图像间的标注不一
