Energy Minimization Methods in Computer Vision and Pattern Recognition: 6th International Conference, EMMCVPR 2007, Ezhou, China, August 27-29, 2007. Proceedings

این جلد شامل مقالات ارائه شده در ششمین کنفرانس بین‌المللی روش‌های کمینه‌سازی انرژی در بینش کامپیوتری و تشخیص الگو (EMMCVPR 2007) است که در مؤسسه لوتوس هیل، ازژو، هوبی، چین، 27 تا 29 اوت 2007 برگزار شد. انگیزه این کنفرانس این است که بسیاری از مشکلات در بینایی کامپیوتری و تشخیص الگو را می توان بر اساس استنتاج احتمالی یا بهینه سازی توابع انرژی فرموله کرد. EMMCVPR 2007 به مسائل مهم بازنمایی، یادگیری و استنتاج پرداخت. مضامین جدید مهم عبارتند از گرامرهای کاربردی، تجزیه تصویر، و استفاده از مجموعه داده ها با حقیقت پایه برای عمل به عنوان معیار برای ارزیابی الگوریتم ها و به عنوان راهی برای آموزش الگوریتم های یادگیری. موضوعات دیگر شامل توسعه الگوریتم های استنتاج کارآمد با استفاده از تکنیک های پیشرفته از آمار، علوم کامپیوتر و ریاضیات کاربردی است. 140 مورد ارسالی برای این کارگاه دریافت کردیم. هر مقاله توسط سه عضو کمیته بررسی شد. بر اساس این بررسی‌ها، ما 22 مقاله را برای ارائه شفاهی و 15 مقاله را برای ارائه پوستر انتخاب کردیم. این کتاب هیچ تمایزی بین مقالات شفاهی و پوستری قائل نیست. ما این مقالات را در هفت بخش در مورد ریتم ها، برنامه ها، تجزیه تصویر، پردازش تصویر، حرکت، شکل و پردازش سه بعدی سازماندهی کرده ایم. در پایان از کسانی که در برگزاری این کارگاه کمک کردند تشکر می کنیم. ما - کمیته برنامه را برای کمک آنها در بررسی مقالات می شناسیم.

This volume contains the papers presented at the Sixth International Conference on Energy Minimization Methods on Computer Vision and Pattern Recognition (EMMCVPR 2007), held at the Lotus Hill Institute, Ezhou, Hubei, China, August 27–29, 2007. The motivation for this conference is the realization that many problems in computer vision and pattern recognition can be formulated in terms of probabilistic inference or optimization of energy functions. EMMCVPR 2007 addressed the critical issues of representation, learning, and inference. Important new themes include pr- abilistic grammars, image parsing, and the use of datasets with ground-truth to act as benchmarks for evaluating algorithms and as a way to train learning algorithms. Other themes include the development of efficient inference algorithms using advanced techniques from statistics, computer science, and applied mathematics. We received 140 submissions for this workshop. Each paper was reviewed by three committee members. Based on these reviews we selected 22 papers for oral presen- tion and 15 papers for poster presentation. This book makes no distinction between oral and poster papers. We have organized these papers in seven sections on al- rithms, applications, image parsing, image processing, motion, shape, and thr- dimensional processing. Finally, we thank those people who helped make this workshop happen. We - knowledge the Program Committee for their help in reviewing the papers.