CVPRJul, 2014

基于张量 SVD 的多线性数据完备性和去噪新方法

PDF
TL;DR本研究提出了一种多线性数据完成和去噪的新方法，应用于 3D 和 4D 视频数据的完成和去噪，利用了最近提出的张量奇异值分解（t-SVD）方法，基于 t-SVD，提出了多线性秩和相关张量核范数的概念来表征多线性数据的信息和结构复杂性。在此基础上，我们提出了一个张量核范数惩罚算法，用于从缺失项中完成视频，并且相对于已有方法，该算法表现出更优秀的性能。我们还考虑了从稀疏随机损坏中去噪 3D 视频数据的张量鲁棒主成分分析（PCA）问题，相对于矩阵鲁棒 PCA 的方法，我们的方法表现更优秀。
multilinear datatensor-singular value decompositionvideo completiontensor nuclear normrobust principal component analysis
发现论文，激发创造
  • 使用 t-SVD 进行精确张量补全

    本文利用张量奇异值分解求得张量的秩概念 —— 张量管秩，使用具有优化性质的张量核范数最小化的凸优化问题，完成了从有限采样中完成高维数据恢复的任务，并证明了此方法的有效性。

    Feb, 2015

  • 基于 t - 积的随机张量奇异值分解

    本文介绍了一种利用随机矩阵方法扩展张量 SVD 来压缩和分析数据集的方法，相对于 t-SVD，具有更高的计算效率，并提供了该算法的详细说明和数值结果。

    Sep, 2016

  • 高阶张量恢复与张量 U1 范数

    我们提出了一种新的张量分解和一种新的张量范数，称为张量 $U_1$ 范数，用于解决高阶张量数据的完整性问题，并提出了一个优化算法来解决该问题。该方法在处理具有非光滑变化的张量数据方面表现出良好效果。

    Nov, 2023

  • 通过多维字典学习进行的三维数据去噪和补全

    本文提出了一种新的面向多维数据的字典学习算法 KTSVD，通过张量分解的代数方法直接学习多维字典，并且应用稀疏编码的思想进行视频填充和多光谱图像去噪处理。

    Dec, 2015

  • 高阶张量的多尺度分析

    介绍了一种基于混合线性建模和子空间聚类技术的自适应、多尺度张量分解方法，旨在降低大型和多模态数据的维度和表示复杂度。该方法在多个真实张量信号的维数约简和分类问题中表现良好。

    Apr, 2017

  • 利用图信息的可证明张量补全

    通过构建动态图的数学模型，将新颖的图平滑正则化方法与张量分解模型相结合，解决了关于张量恢复的问题，从而获得了统计一致性的保证。

    Oct, 2023

  • 基于低秩张量列的彩色图像和视频修复高效完成算法

    本文提出一种新颖的张量完成方法，基于张量列车 (TT) 秩，提出了新的优化公式和算法。其中，SiLRTC-TT 是通过在 TT 秩的基础上最小化核范数实现的，TMac-TT 是通过基于多线性矩阵分解来逼近张量 TT 秩。文章还提出了一种向高阶张量转换的方法以增强 SiLRTC-TT 和 TMac-TT 的有效性。仿真结果表明该方法在彩色图像和视频恢复方面具有明显优势。

    Jun, 2016

  • 通过对偶形式的非负低秩张量完备性来完成图像和视频

    本研究考虑在张量完成问题中学习非负低秩张量，并使用对偶理论提出了一种新颖的分解方法，分解将非负约束与低秩约束解耦。所得问题是流形上的优化问题，并提出了 Riemannian 共轭梯度的变种来解决它。实验结果表明，所提出的方法优于许多最先进的张量完成算法。

    May, 2023

  • 一种新的基于张量分解的方法，对不精确秩估计具有鲁棒性

    本文提出了一种新的张量范数，同时利用低秩先验和秩信息，包括一系列张量管秩的代理函数，可在张量数据中更好地利用低秩，通过使用样本技巧计算更小张量的 t-SVD 而不是原始张量来计算提出的双低秩约束的张量范数。随后，优化算法的每个迭代的计算成本从标准方法的 O (n^4) 降低到 O (n^3 log n + kn^3)，其中 k 为真实张量秩的估计值，远小于 n。本方法在合成和现实数据上得到了评估，并表现出优于现有 STOA 张量完成方法的性能和效率。

    May, 2023

  • 张量完成的平滑 PARAFAC 分解

    本文提出了一种名为 SPC 的 “平滑 PARAFAC 张量完整化” 的方法，该方法为视觉数据快速提供了高效的算法，其采用总变分和二次变分策略来施加平滑性约束，并在模型学习中调用相应的算法，经广泛实证评估，较其他具有代表性的张量完整化方法具备更好的预测性能和效率。

    May, 2015