58、量子运动分割：开启计算机视觉新征程

量子运动分割：开启计算机视觉新征程

1. 引言

量子计算机视觉是一个新兴领域，近年来，许多经典问题被重新表述以实现量子优化，如识别和匹配任务等，且已取得了有前景的成果，这激励着更多的研究。在现有的两种量子计算范式——基于门的量子计算和绝热量子计算（AQC）中，AQC的实验实现已经可以应用于实际问题，前提是目标被表示为二次无约束二进制优化（QUBO）问题。

量子退火（QA）作为AQC的非完美绝热实现，是一种利用量子力学寻找组合问题解决方案的实验性且有前景的技术。它能在不放松目标的情况下进行优化，并以高概率获得全局最优或低能量解，而这些重要特性在传统方法中很难具备，因此识别能从这类新机器中受益的问题至关重要。

目前，只有置换同步问题通过量子优化得到了解决。本文将一个新的同步问题——运动分割引入到AQC可接受的形式中。运动分割的任务是将多个图像中的点分类为不同的运动，这在动态3D重建或自动驾驶等应用中具有重要意义。由于运动分割具有组合结构，是利用量子处理器优势的有意义候选问题。但将运动分割转化为AQC可处理的形式具有挑战性，因为只有QUBO形式的问题才能被接受，所以本文主要关注如何将运动分割表述为QUBO问题。

本文的主要贡献包括：
- 提出一种采用AQC的运动分割新方法。
- 创建一个用于运动分割的新真实数据集（Q - MSEG）。

在广泛的实验中，该方法在可映射到最新一代AQC的问题实例上实现了有竞争力的准确性，并且对噪声具有很高的鲁棒性。尽管当前量子硬件存在限制，但随着量子硬件的进步和解决组合问题能力的提升，有望在未来为大规模数据带来实际优势。

2. 背景

2.1 运动分割