CALTeC：面向协同智能的内容自适应线性张量补全
图像与视频处理
2021-06-11 v1 计算机视觉与模式识别
摘要
在协同智能中，人工智能（AI）模型通常被分割部署在边缘设备与云端之间。由边缘子模型生成的特征张量通过不完美的通信信道发送至云端。在云端，由于丢包，特征张量的部分数据可能缺失。本文提出一种称为内容自适应线性张量补全（CALTeC）的方法以恢复缺失的特征数据。该方法快速、数据自适应、无需预训练，且在协同智能的张量数据恢复上优于现有方法。
引用
@article{arxiv.2106.05531,
title = {CALTeC: Content-Adaptive Linear Tensor Completion for Collaborative Intelligence},
author = {Ashiv Dhondea and Robert A. Cohen and Ivan V. Bajić},
journal= {arXiv preprint arXiv:2106.05531},
year = {2021}
}
备注
5 pages, 4 figures, accepted for presentation at IEEE ICIP 2021