CONICET | Buscador de Institutos y Recursos Humanos

Este artículo describe nuevos resultados teóricos sobre los recientemente introducidos campos aleatorios de Markov con estados mixtos o mixed-stateMRFs. Estos modelos, fueron definidos en el contexto del análisis de movimiento en secuencias de imágenes y se aplican en la representación de información que presenta tanto valores discretos relacionados a estados simbólicos, y valores reales correspondientes a medidas continuas. En primer lugar, demostramos como la energía global asociada al campo de Markov puede ser descompuesta en un término para la parte discreta del modelo y otro relacionado con la parte continua, mientras el factor de normalización mantiene el acoplamiento entre ambos. Luego, este teorema de descomposición nos permite definir los llamados modelos mixtos condicionales. Finalmente, se propone un nuevo enfoque para el problema de detección de movimiento basado en dicha nueva formulación.