텍스처 합성, 분류 및 압축을 위한 새로운 군집 기반 확률 모델

우리는 고차원 벡터 소스를 위한 새로운 확률 모델링 기법을 제시하고, 텍스처 합성, 분류 및 압축 문제에 대한 응용을 고려합니다. 우리의 모델은 커널 추정과 군집화를 결합하여 훈련 데이터를 포함하기보다는 요약하는 준모수적 확률 질량 함수 추정치를 얻습니다. 모델이 군집 기반이기 때문에, 모델의 높은 차원에도 불구하고 제한된 훈련 데이터 세트에서 추론할 수 있습니다. 또한, 이 모델의 기능적 형식은 차원의 수가 증가함에 따라 필요한 메모리의 지수적 성장을 피하는 재귀적 구현을 가능하게 합니다. 고려된 세 가지 응용에 대한 실험 결과가 제시됩니다.